[{"content":"今年上半年，我连续收到四位CEO的同一个问题：现在上AI招聘系统是不是已经晚了。\n四个人的行业完全不同——零售、制造、科技、医疗——但问出这个问题的时间跨度不超过三个月，焦虑程度几乎一样。不是要不要上的问题，而是担心是不是错过了窗口期。\n这个信号让我很在意。过去三年AI招聘不是没人提，但大多数企业一直处在\u0026quot;看看再说\u0026quot;的状态。2024年我问过一批企业，超过七成表示两年内没有上AI招聘的计划。到2025年底，风向开始松动。到了2026年，犹豫突然变成了行动。\n到底发生了什么？我试着梳理了三个最核心的推动因素。\n第一个推力：候选人对招聘体验的期待，超过了企业手工作业的能力上限 去年下半年我们做过一次候选人体验调研，覆盖了两百多位主动求职者和被动候选人。有一组数据让团队讨论了很久：超过六成的候选人在面试流程中，如果感受到企业还在用纯手动方式处理——比如简历回复慢、面试排期反复三四次、反馈周期超过一周——他们会把这理解为公司管理水平不行。\n放在五年前，这个比例不会这么高。候选人对企业招聘流程的期望阈值很低，HR三天不回消息也正常。但过去两年，几家主流的招聘平台和人才中介已经用AI做到了秒级回复、自动排期、即时反馈。候选人被这些渠道\u0026quot;惯\u0026quot;出了新标准，回过头来对自己直接投递的企业也提出了同样的要求。\n这意味着企业必须和第三方平台竞争招聘体验。靠加人来应对这个问题的成本，算不过账来。上一套AI工具反而成了更便宜也更高效的选择。\n第二个推力：AI工具的可用性，在2025年下半年跨过了一个关键门槛 2024年之前的AI招聘工具，功能列表很长，但落地体验一言难尽。筛简历能筛掉不该筛的人，人岗匹配报告给了跟没给一样，AI面试评分和入职后的实际表现经常对不上。我接触过的企业中，试用后放弃的比例不低。\n但从2025年下半年开始，情况有了实质变化。大模型能力的迭代让文本理解、语义匹配这些核心功能的准确率上了一个台阶。几款主流工具在简历筛选这个最基础的环节上，误筛率从之前的百分之十几降到了5%以下。更关键的是工具之间的整合度提升了——HR不再需要五六个系统之间来回切换，从发布职位到入职办理可以在一条流程里跑通。\nAI招聘工具的成熟度提高，直接降低了企业的试错成本。以前上一个AI招聘系统，至少要投入三个月的选型和实施周期。现在一些轻量级工具两周就能上线，按效果付费的模式也让更多企业愿意迈出第一步。\n第三个推力：企业决策逻辑从\"省成本\"变成了\"防风险\" 过去跟企业聊上AI招聘，管理者最关心的是ROI：省了多少人力、缩短了多少招聘周期。\n2026年这个问题还在，但优先级的排序变了。我听到越来越多的管理者开始问另一个问题：如果我的竞争对手用AI筛出了比我更好的人，我怎么办？\n这是一个从成本逻辑到竞争逻辑的转变。在人才竞争激烈的行业，企业担心的不是花几十万买系统值不值，而是因为选人效率跟不上，错过了最需要的人。这种焦虑在技术岗、管理岗和关键业务岗位上表现得尤其明显。\n一家中型制造企业的HRD跟我说了一个很实在的判断：他们上AI系统不是因为能省钱，而是因为一个关键岗位空缺多一个月，业务损失远大于系统一年的费用。这个账算下来，不上AI的风险成本反而更高。\n但加速落地也带来了新问题 企业上AI招聘的速度突然加快，说全是好事那是假话。我在最近几个月看到了一些值得警惕的信号。\n有些企业在没有梳理清楚自身招聘流程的情况下匆匆上线系统，结果AI工具的价值发挥不出来。有些企业过度依赖AI推荐结果，放弃了HR的专业判断，初筛效率提高了，终选准确率反而下降了。恰好印证了之前那篇AI招聘最大的风险复盘里提到的现象——系统上得太快，人的判断跟不上了。\n最让我担心的是另一种倾向：因为大家都在上AI招聘，一些企业把\u0026quot;上线系统\u0026quot;本身当成了目标，而不是把\u0026quot;提升招聘质量\u0026quot;当成目标。系统跑了、数据出了、报告有了，但人的判断反而被放在了次要位置。\n如果你正在评估AI招聘系统，我的建议不是要不要上的问题——在目前的行业趋势下，这一天或早或晚都要面对。而是在上之前先想清楚：我需要AI帮我解决什么问题，以及哪些判断必须由人来完成。\n这个问题想明白了，比选哪家供应商重要得多。\n","permalink":"https://www.gdrar.cn/posts/ai-recruitment-acceleration-reasons/","summary":"\u003cp\u003e今年上半年，我连续收到四位CEO的同一个问题：现在上AI招聘系统是不是已经晚了。\u003c/p\u003e\n\u003cp\u003e四个人的行业完全不同——零售、制造、科技、医疗——但问出这个问题的时间跨度不超过三个月，焦虑程度几乎一样。不是要不要上的问题，而是担心是不是错过了窗口期。\u003c/p\u003e","title":"2026年AI招聘为什么突然跑起来了，三个原因值得关注"},{"content":"去年底做AI招聘系统年度复盘的时候，我扔了一组数据让团队先看。\n会议室安静了大概十秒钟，然后招聘经理说出了在场大多数人的心里话：「这个季度AI推荐的候选人入职后达标率，比我们自己选的还低了五个点。我们是不是应该停用系统推荐的终选名单？」\n她没有质疑AI，也没有质疑我当初推动上系统的决定。她只是把真实的数据摆到了桌面上。\n但更大的问题在数据背后。过去十个季度里，真正让招聘出问题的，从来都不是AI技术本身。\n第一季度的错觉 系统上线的头三个月，整个团队体验极好。\n简历筛选时间从每天三小时缩短到一小时，AI自动生成的人岗匹配分析报告让面试官觉得准备更充分了，自动排期和候选人沟通也省掉了不少琐碎工作。季度复盘的时候，招聘周期缩短了28%，成本降低了15%。数据漂亮到所有人都在说：这个系统上对了。\n但我现在回头看，那个季度最大的隐患就是所有人都太满意了。\n满意到没有人去追问一个关键问题：系统推荐的人，后续表现到底怎么样。系统上线前厂商给了一个内部校验数据——AI推荐的候选人入职后绩效达标率在70%以上。这个数字成了我们心理上的安全带。谁也没有想过要自己验证一遍。\n真相从第二季度开始露出来 第二季度，业务部门开始反馈一些不太对劲的信号。\n一个销售团队通过系统招了三个新人。AI评分都很高，人岗匹配度都在85%以上。三个月后，三个人里只有一个完成了试用期目标，另外两个先后被劝退。销售负责人来找我聊，语气不算尖锐但也谈不上客气：「你们系统推的人，到底靠不靠谱？」\n我去查了系统的推荐记录。AI给这三个候选人的评分逻辑从数据上看没有问题——过往销售经验匹配、行业背景对口、面试中的表达流畅度和抗压测试得分都很高。问题出在另一个维度上：这两个人也同时面试了我们的竞争对手，最终选择我们更像是退而求其次。AI能分析一个人的硬性条件，但判断不了这个人对这份工作的真实意愿。\n这个案例不是孤例。我开始让团队把每季度的数据拉出来做交叉对比——AI推荐的候选人入职后绩效、留存率、主管满意度，分部门、分岗位类型拆开看。数据越拆越有意思，也越来越让人不安。\n三个被低估的管理风险 一年复盘下来，我把问题归纳为三个层面。每一个都不是AI技术本身的锅，但每一个都跟在AI后面悄悄长了出来。\n风险一：没人对结果负责了\n听起来像是管理中老生常谈的问题，但AI把它放大了十倍。\n以前招一个人，面试官签了评估意见，HR做了背景调查，用人部门给了终面反馈——每一环都有具体的人签字。责任链条是清晰的。即使选错了人，复盘也能找到是哪个环节的判断出了问题。\nAI上线后，这个链条断了。\n我复盘了几次比较典型的选人失误，发现同一个模式反复出现：面试官看到AI评分高，就不太愿意推翻系统的判断。招进来表现不好，面试官说「系统给的匹配度很高啊」，系统厂商说「我们的数据只做参考」，HR夹在中间，谁都不愿意为结果兜底。\n这是AI招聘落地中最微妙也最危险的变化——决策责任被分摊到了「系统」这个没有实体的对象上，人退到了执行位置，也不觉得自己需要为结果负责了。\n风险二：团队判断力在悄悄退化\n第三季度我做了一次内部测试。\n让三个刚做了半年的招聘专员，在没有AI辅助的情况下，对一批简历做初筛和人岗匹配评分，然后对比他们和AI的判断差异。结果让我吃了一惊：三个人的初筛通过率标准差比AI大得多，但更值得注意的是——他们对某些岗位的优劣势判断几乎完全复制了AI的逻辑。\n换句话说，他们不是在使用AI，而是在模仿AI的判断方式。\n这和我之前聊过的观点有关，AI做招聘需要有明确的边界。工具用久了会产生依赖，依赖久了会变成习惯，习惯久了会变成能力退化。招聘团队中经验不足的成员，尤其容易把AI的判断当作标准答案，而不是参考建议。\n当团队开始依赖一个外部系统来做专业判断，而且没有意识到自己正在依赖时，能力的空洞就已经形成了。\n风险三：数据闭环在制造幻觉\n这是最不容易被察觉，但影响最大的一层。\nAI的推荐逻辑基于历史数据训练——过去哪些候选人被录用了、哪些人表现好、哪些人表现差。它找的是「和过去那个人像」的人。\n问题在于，当面试官也开始偏好AI推荐的人选时，就形成了一个自我验证的闭环。AI推荐A类型的人→面试官倾向于选择A类型的人→A类型的人进入公司→他们的表现数据反馈给系统→系统确认A类型是对的→下一次继续推荐A类型的人。圈越转越紧，路径越来越窄。\n这个闭环意味着什么？真正有潜力但不符合「历史标准模式」的候选人，从一开始就被筛掉了。不是因为他们不合适，而是因为系统从来没遇到过他们这样的人，所以判断不出来。\n我用一个简单的方法验证了这件事：让团队把过去一年被AI筛掉的简历重新过了一遍，重点看那些被系统判为「匹配度低于60%」但面试官手动捞回来的人。比例不高，大约5%。但这5%的人里，入职后的绩效达标率居然和AI高分推荐的群体差不多。也就是说，系统至少误判了5%它原本不该误判的人。\n最大的风险：没有人愿意承认有问题 以上三个问题，每个单独看都不致命。但把它们串在一起之后，我才发现了最麻烦的那个风险。\n第四季度，我让团队做了一个匿名调研——「你觉得AI招聘系统目前的决策辅助对你的工作有什么影响？」选项里有一条是「我认为系统在某些环节的判断不太可靠，但日常工作中不太会主动提出来」。超过一半的人选了这一条。\n这个数据比前面任何一个都让我警觉。\n不是说大家不信任AI，而是团队里积累了那么多对系统的质疑，却没有一个正常的渠道让这些声音浮出来。为什么？匿名问卷里的真实回答包括：「系统是领导推的」「厂商还在合作期」「大家都不想当那个泼冷水的人」。\n组织沉默的成本，在AI落地的过程中被严重低估了。\n我们花了几十万买系统、花了几个月做培训、花了大力气推动各部门使用，却没有花足够的时间和精力去建立一个机制——让那些使用过程中发现的问题、产生的怀疑、积累的异议，能够被收集、被讨论、被转化成对系统的修正。\n后来我们做了什么 年度复盘之后，团队坐下来制定了三件事。\n第一件事是在决策流程中加了人工复核节点。AI推荐的终选名单必须经过招聘经理的独立评估，理由不能是「系统说的」，必须有自己的判断依据。人机意见不一致时，以人的判断为准，但需要记录分歧原因，作为后续复盘材料。\n第二件事是建立了季度偏差分析机制。每季度把AI推荐数据与实际入职表现做比对，不只看整体达标率，还要拆分看——哪些类型的岗位AI判断准确率高、哪些类型的岗位偏差大、哪些候选人被系统低估了后来却表现不错。这套分析不是为了否定AI，而是持续校准我们对AI的信任边界。\n第三件事是为团队保留「无AI判断能力」。每个季度至少做一次脱离系统的招聘评估训练，用传统方法做简历筛选和面试评估，然后和系统结果做对比。不是为了复古，而是让团队保持自己的判断手感。这件事上，我们走了一些弯路才意识到判断力跟肌肉一样，不用就会萎缩。\n三个调整执行了两个季度后，招聘质量的数据开始回升。AI推荐的候选人达标率从63%回到了70%左右，团队的自主判断能力也明显好转。更重要的是，那些积累了一年没人敢说的问题，终于被摆到了桌面上讨论。\n写在最后 AI招聘的风险，说出来其实都不是什么惊天动地的东西——决策责任模糊、判断力退化、数据闭环、组织沉默。每一个单独看都不新鲜，但放在一起，就是AI落地最容易被忽视的隐形成本。\n我依然相信AI在招聘中的作用。筛简历、匹配分析、面试辅助，这些都是实打实提升效率的好工具。但如果企业在落地AI招聘时只盯着效率指标和功能列表，而不去同步建设管理与问责机制，那效率提升的同时，也在悄悄地种下新的风险。\n第一年的教训让我学会了一件事：问AI「你推荐谁」之前，先问清楚「如果推荐错了，谁来负责」。这个问题没有标准答案，但没有问过的团队，迟早会用真实教训补上这一课。\n现在写这篇文章的时候，我们的AI系统还在用。数据比第一年好了不少，团队也知道什么时候该听AI的、什么时候该靠自己。但每次季度复盘，我仍然要求团队把「对AI的质疑」作为一个独立议题放进议程，而且必须有人唱反调。\n因为最大的风险，从来都不是AI不够聪明。而是我们太相信它了，以至于忘了问自己：如果它错了，怎么办。\n","permalink":"https://www.gdrar.cn/posts/ai-recruitment-first-year-risk/","summary":"\u003cp\u003e去年底做AI招聘系统年度复盘的时候，我扔了一组数据让团队先看。\u003c/p\u003e\n\u003cp\u003e会议室安静了大概十秒钟，然后招聘经理说出了在场大多数人的心里话：「这个季度AI推荐的候选人入职后达标率，比我们自己选的还低了五个点。我们是不是应该停用系统推荐的终选名单？」\u003c/p\u003e","title":"AI招聘最大的风险，我们第一年就遇到了"},{"content":"上个月参加一个招聘科技闭门会，AI筛简历是当天绕不开的话题。台上分享嘉宾讲完算法框架后，台下第一个问题来得特别直接：「你们怎么保证算法对不同性别的候选人是公平的？」\n这个问题不新鲜，几乎每场跟AI招聘相关的讨论都会有人提。但有意思的是，当台上嘉宾反问「你说的公平指什么」时，提问者往往需要想一会儿才能回答清楚。\n这个停顿里藏着大部分人对AI筛简历偏见讨论的本质问题——我们太急于判断AI有没有偏见，却没先弄清楚偏见到底长在哪个环节。\nAI筛简历的偏见，不是一种，是三种 我这些年跟踪过好几套AI简历筛选系统的实际运行情况，跟算法团队做过不少次需求对焦，也看过一些系统内部的数据分布。把这些信息拼在一起后，我发现一个规律：大家嘴上说的「AI筛简历有偏见」，其实指向的是三种完全不同的东西。\n第一种叫数据偏见。第二种叫特征偏见。第三种叫使用偏见。\n三者的来源不同、影响机制不同、解决方式也不同。混在一起讨论，永远吵不出结果。\n数据偏见：AI只不过照搬了人类的旧账 AI筛简历的核心逻辑是学习历史数据——把过去录用了谁、这些人后来的表现如何，作为训练素材。问题是，历史数据本身就带着偏见。\n举一个真实的例子。\n某企业过去五年录用的技术岗员工中，男性占比将近八成。HR部门并没有性别倾斜的政策，这个比例完全是自然形成的——技术团队本身男性居多，内推时倾向于推荐跟自己背景相似的人，面试官的偏好也在无形中起作用。AI学习了这些数据后，对男性候选人的评分系统性地偏高。这不是算法主动选择歧视，而是训练数据里本来就有一面倾斜的天平。\n更隐蔽的问题在于：历史数据里的「成功」定义本身可能就有偏差。很多公司的绩效数据只反映了过去环境下「谁能干得久」，而不是「谁更能创造价值」。如果过往的管理者倾向于给跟自己风格相近的下属打高分，AI学的就是「复制管理者偏好」而不是「识别真实能力」。\n所以数据偏见这件事，说到底不是AI的问题，是人类把自己过去的偏见通过AI这个载体延续了下来。你在数据里埋过什么种子，AI就长什么果子。\n这方面的问题，之前写AI招聘减少用人错误的真实效果时就提到过——如果历史数据本身的质量不够好，AI不仅不会纠正错误，反而会把错误体系化、规模化。\n特征偏见：所谓「优秀候选人画像」本身就是一把尺 第二种偏见比数据偏见更难察觉。\nAI筛简历不是直接拿原始数据做判断的，而是先把简历信息转化成一系列「特征」——学历等级、工作年限、跳槽次数、上一家公司知名度、项目经验数量等等。然后系统根据这些特征跟历史高绩效员工的特征做匹配。\n问题就出在：谁来定义哪些特征是重要的？\n如果算法团队把「985/211院校毕业」设为一个高权重特征，AI就会给非名校候选人系统性降分。如果「平均在职时长超过两年」是高权重特征，频繁换工作但每次都产出惊人的人就会被过滤掉。这些特征选择看起来是技术决策，实际上每一层都包含着对「什么样的人更可能成功」的价值判断。\n而这类价值判断一旦被编码进算法，影响就比人的主观偏见更隐蔽、更扩散。人的偏见至少是在一个具体的面试场景中发挥作用，面对的是活生生的人，有机会被现场纠正。但特征偏见一旦上线运行，它每筛一份简历都在重复同一个逻辑，没有任何自纠能力，也极少有人去质疑特征本身的合理性。\n我见过最典型的例子：某系统把「上一家公司是行业头部」设为关键特征，运行后发现AI推荐的人几乎都有大厂背景。不是因为小厂出身的人能力不行，而是模型根本就没有给他们留下一条证明自己的通道。关于这个现象，在拆解AI筛简历的盲区问题时也有类似的讨论——系统越依赖标准化信号，越容易错过非标准背景的潜力候选人。\n使用偏见：比算法偏见更普遍、也更少被讨论 第三种偏见跟前两种性质完全不同。\n前两种偏见出在算法内部，而使用偏见出在人身上——确切地说，是人在使用AI筛简历时产生的一系列系统性认知偏差。\n最常见的表现是「锚定效应」。当AI给一份简历打了85分，面试官在看这份简历时，会自动把「不错」的预设带进来。85分以下的简历呢？面试官看的时间更短、挑毛病更多、给的分数更低。这不是某个人刻意为之，而是人在面对一个权威评分时的自然心理反应——哪怕这个评分本身就是一种统计推断，不是真理。\n更微妙的一种使用偏见我称之为「选人思路窄化」。前几年没有AI筛简历的时候，HR和业务负责人各有各的选人侧重点。但AI筛简历普及后，所有人的注意力都被吸到同一个数字上——AI评分。结果就是招聘团队内部对候选人的判断维度变单一了。大家不再讨论「这个人的沟通风格适不适合我们团队」，而变成讨论「他AI分多少」。工具的标准化反而导致了判断力的标准化，而判断力标准化就是偏见的起点——当你只用一把尺子量所有人时，不符合这把尺子的人就是被偏见淘汰的人。\n这种使用偏见，跟工具本身的质量没有直接关系。好工具被用得不对，结果跟坏工具一样糟糕。\n别急着站队，先搞清楚你在谈哪种偏见 回到最开始那个论坛上的问题。AI筛简历会不会有偏见？\n答案是：会的。但关键不在于「会不会」，而在于「哪一种」。\n数据偏见——靠修正训练数据来解决。清理数据中有偏的信号，让AI学习的素材更接近真实的、理想状态下的选人逻辑。这事不简单，但方向是清楚的。\n特征偏见——靠持续审计和特征权重透明化。把AI用的是哪些特征、每个特征的权重是多少，定期拿出来给业务团队看。让用人的人自己来判断：「名校学历占30%权重」是不是他们真正认可的选人逻辑。\n使用偏见——靠制度和意识双重防范。不把AI评分当成最终判断，建立人工复核机制，让面试官在看到AI评分后仍保持独立判断力。这需要流程保障，更需要培训和管理层的示范。\n三件事都不容易。但如果非要我给一条最简单的建议，那就是——\n下次再有人说「AI筛简历有偏见」的时候，先问回去一句：「你说的偏见是指哪一种？」\n问清楚再讨论，比直接站队有用十倍。\n","permalink":"https://www.gdrar.cn/posts/ai-resume-screening-bias-analysis/","summary":"\u003cp\u003e上个月参加一个招聘科技闭门会，AI筛简历是当天绕不开的话题。台上分享嘉宾讲完算法框架后，台下第一个问题来得特别直接：「你们怎么保证算法对不同性别的候选人是公平的？」\u003c/p\u003e","title":"AI筛简历的偏见到底从哪来，我拆了三层才看清楚"},{"content":"从AI生成人才画像到业务部门真正用它来做决策，中间隔着一道信任鸿沟。这不是技术成熟度的问题，而是两类人对\u0026quot;人\u0026quot;的理解方式天然不同。技术团队看的是算法准确率，业务负责人问的是\u0026quot;你凭什么判断我带的人是这样\u0026quot;。\n过去一年陆续接触了七八家尝试用AI做人才画像的企业，发现一个共性现象：画像\u0026quot;生成\u0026quot;阶段几乎没有遇到技术障碍，但到了\u0026quot;推广使用\u0026quot;阶段，几乎全部卡在了业务部门的信任关口上。\n画像生成和画像可信是两件完全不同的事 AI人才画像的运行逻辑大致是：收集员工的工作数据、绩效记录、360评估、项目行为事件等，输入算法模型，输出结构化的能力评价和发展预测。从纯技术角度看，只要输入数据格式规范、算法训练充分、输出维度清晰，技术上就可以说\u0026quot;跑通了\u0026quot;。\n但\u0026quot;跑通\u0026quot;和\u0026quot;可信\u0026quot;之间，差了好几个业务决策的距离。\n拿其中一家互联网公司的情况来说。他们花了三个月，把中层以上管理者过去三年的绩效数据、项目复盘记录和360评估数据全部清洗标注后喂给了模型，生成了一份完整的人才九宫格。HR团队拿着这份九宫格去找业务负责人沟通人才盘点，对方的第一个问题是：这个数据能反映我团队今年新带进来的几个人吗？他们入职不到一年，历史数据里几乎没有记录，模型怎么判断的？\n这个问题触及了AI画像最根本的可靠性边界——输入数据的覆盖度直接决定了画像的适用对象。如果一个员工的完整工作数据不足一年，AI画像输出的结果本质上是一个\u0026quot;不完全信息推断\u0026quot;。可以在报表里加一行置信度标注，但业务管理者接受的不是标注，而是解释。\nAI招聘相关工具落地过程的规律也类似：技术越成熟，业务侧的信任建设越需要单独投入。很多公司把AI人才画像当成一个技术产品来推——做出来、上线、发通知让业务部门用。但人才画像的使用者，那些每天和团队共事的管理者，他们对\u0026quot;一个人\u0026quot;的判断建立在长期共事经验上。AI突然跳出来说\u0026quot;这个人有高离职风险\u0026quot;或者\u0026quot;这个人的潜力评级是B+\u0026quot;，如果没有足够透明的推理路径，管理者很难接受一个黑箱结论。\n数据的质量决定了可靠性的天花板 AI人才画像的可靠性，首先取决于输入数据的质量。道理说出来很浅显，但在实际项目中，大多数团队把精力花在了算法调优上，而不是数据清洗上。\n举一个例子。一家制造业企业希望用AI对车间主任层级的员工做能力画像，导入的数据主要来自近两年的绩效评估记录。但车间主任的绩效评估本身是一个主观成分很高的过程——不同的车间主管打分标准差异很大，有的习惯打高分，有的常年压分。数据进了模型之后，算法会自动做归一化处理，但归一化消除的是统计偏差，消除不了原始评估中\u0026quot;打分的人自己怎么看人\u0026quot;这个问题。\n这种情况下生成的人才画像，反映的是\u0026quot;各主管的打分习惯\u0026quot;和\u0026quot;真实能力\u0026quot;的混合信号。模型输出的\u0026quot;领导力评分偏低的几位主任\u0026quot;，很可能只是遇到了打分严格的主管。\n这个困境在非AI时代就已经存在。之前写过的人才画像构建过程中，要解决数据质量问题也需要投入大量精力做数据对齐。到了AI画像阶段，这个问题没有被技术自动化掉，反而因为数据维度的扩大变得更加隐蔽——数据越多，你无法确定的源头也越多。\n算法层面的\u0026quot;可靠\u0026quot;不等于业务层面的\u0026quot;可信\u0026quot; 很多HR在引入AI人才画像时会问一个实际的问题：它的判断准确率到底有多高？\n厂商通常会给出一个数值——\u0026ldquo;模型预测准确率达到85%\u0026ldquo;或者\u0026quot;与上级评分的相关性达到0.78\u0026rdquo;。这些数字看起来有说服力，但真正投放到业务部门使用的时候，共识度远低于这个数字。\n原因在于，算法准确率衡量的是模型对训练集的拟合程度，而业务部门关心的是\u0026quot;这个人对不对\u0026rdquo;。两者之间存在一个根本性差异：算法判断一个人\u0026quot;不适合晋升\u0026quot;是基于统计规律和历史数据中的特征关联，而业务管理者不接受一个他们无法参与推导的结论。\n有家创业公司的做法值得参考。他们不做\u0026quot;系统直接出判断\u0026quot;的方案，而是把人才画像拆成\u0026quot;数据呈现\u0026quot;和\u0026quot;判断参考\u0026quot;两层。数据层只呈现结构化的事实——\u0026ldquo;该员工过去12个月完成了X个项目、平均交付时长X天、360评估中团队协作维度得分X\u0026rdquo;，判断参考层才是在数据基础上由算法生成的分析建议，并且标注推理依据。这种分层设计让业务管理者先看到\u0026quot;事实\u0026quot;，再决定是否接受\u0026quot;分析\u0026quot;，接受度明显高了一个台阶。\n画像可信度自检清单 如果你所在的公司正在考虑或已经上线了AI人才画像，以下几个问题值得自己和业务部门坐下来过一遍：\n输入数据覆盖了员工多长时间的工作记录？不足一年的员工，画像结果是否做了单独标识？ 数据的源头是否存在评估者主观偏差？是否做过交叉验证？ 算法的输出是否有可追溯的推理链条？业务部门能不能理解\u0026quot;为什么得出这个结论\u0026quot;？ 画像结果的使用场景是什么——用于发展性反馈，还是用于晋升或调薪决策？后者的可信度要求远高于前者。 画像上线后有没有做过\u0026quot;盲测\u0026quot;——拿几份画像结果给员工自己的直接上级看，反馈是吻合的还是偏差很大？ 如果把画像结论向员工本人开放评估，会不会引起争议？ 人才画像本身是一个有价值的工具。但它的价值不是靠\u0026quot;上线\u0026quot;来兑现的，而是靠一次次被挑战、被验证之后逐步积累起来的信任。AI能加速画像的生成效率，但加速不了信任的建立——这条路，每家公司的业务负责人和HR得一起走完。\n","permalink":"https://www.gdrar.cn/posts/ai-talent-profile-reliability-reality/","summary":"\u003cp\u003e从AI生成人才画像到业务部门真正用它来做决策，中间隔着一道信任鸿沟。这不是技术成熟度的问题，而是两类人对\u0026quot;人\u0026quot;的理解方式天然不同。技术团队看的是算法准确率，业务负责人问的是\u0026quot;你凭什么判断我带的人是这样\u0026quot;。\u003c/p\u003e","title":"AI人才画像做出来容易，让业务部门信服是另一回事"},{"content":"一家公司用AI筛掉的简历里，躺着后来在竞对公司做到销冠的人。另一家公司让AI给面试表现打分，机器评估最高的候选人，入职三个月就走了。\n两件事放在一起看，指向同一个问题：AI在做招聘这件事上，是不是已经覆盖了不该覆盖的环节。\n从2019年前后AI开始进入招聘领域，到现在几乎每个环节都能找到对应的AI工具——筛简历、初面提问、行为分析、能力评估、离职风险预测、人岗匹配打分。厂商把招聘拆成二十几个节点，在每个节点上都安了一个AI模块。功能列表越拉越长，但一线HR的感受却是另一种：AI参与得越多，需要人工纠正的错误也越多。\n这不是在否定AI的价值。说句公道话，AI在招聘里确实做对了一些事。\n批量简历筛选就是最典型的场景。一个岗位收八百份简历，光靠人工看，三天都看不完。AI能快速识别硬性条件的匹配度，把明显不符合的过滤掉，把候选池缩小到人工可以处理的规模。这件事AI做得比人好，标准清晰、执行一致、不会因为面试官下午犯困而漏掉关键信息。\n同样，在结构化程度高、评估维度明确的环节，AI的表现也稳定。比如校招中的统一在线测评，所有候选人面对同样的逻辑题和情景题，AI打分排除了面试官个人偏好带来的偏差。纯从标准化的角度看，机器比人有优势。\n问题出在AI被应用到它不该碰的环节上。\n第一个容易踩过界的环节，是候选人潜力的判断。AI能分析一份简历里有哪些关键词、多少年经验、什么学校背景，但它判断不了一个人在非标准路径中积累的能力。一个从运营转销售、自己摸索出成交方法的人，简历可能比不上大厂关键词堆得漂亮，但实战能力未必弱。AI筛不到这种信息，不是它不聪明，是它的判断逻辑建立在过去的数据统计上，而数据统计天然偏向常规路径。\n第二个环节，是人际互动中的软性信号。AI面试能记录候选人说了什么、语速如何、表情怎样，但它读不懂上下文里的潜台词。候选人说“我上一份工作是因为团队调整离开的”，AI可能理解为正常离职原因，但有经验的面试官会追问一句“调整具体怎么发生的、你在其中是什么角色”。区别不在信息获取，而在对信息的追问方向和深度。AI的提问逻辑是预设的，好面试官的追问是现场生成的。\n第三个环节，也是最容易被忽视的，是组织适配度。AI可以给候选人打一个综合能力分，但这个分数脱离了你公司的具体环境。一个在扁平化创业公司表现出色的人，放进层级分明的传统企业可能完全施展不开。反过来也一样。这种适配性判断需要理解你的组织文化、团队风格、管理方式，AI没有这个上下文，也无法通过训练获得——每一家公司的适配标准都不一样。\n那为什么还是有大量企业把AI越推越深？一个是厂商驱动的惯性——功能更多的方案看起来更有竞争力，企业选型时容易产生“别人都有我不能没有”的心态。另一个是决策者本身对AI能力的误解，觉得机器判断比人客观，那不如多让机器做判断。这个逻辑表面成立，忽略了招聘的本质不是客观打分，而是主观预见——判断一个人在未来的特定环境里能不能成，这本身就是一件不完全靠数据的事。\nAI招聘到底改变了什么？三年下来，最积极的改变是帮HR从大量重复劳动中解放了出来。但如果说AI该不该做所有它能做的事，答案是否定的。能做和该做之间有一条线，这条线的位置取决于你招的岗位有多依赖标准化程度。批量招同质化岗位，AI可以多参与。招一个需要判断独特性的关键岗，AI应该退到辅助位置。\n过去一年我接触过的企业里，做了最合理AI投入决策的，不是功能用得最多的那家，而是最清楚自己需要AI解决什么问题的团队。他们用AI筛简历、做初轮评测，然后把省下来的时间全部投入到面试深度的提升上。结果招聘周期缩短了，用人准确率也上去了。\nAI做招聘不是越多越好。技术是工具，边界在人手上。\n如果在一家企业里，HR花在纠错AI判断上的时间，超过了AI帮HR节省的时间，那就该停下来重新画线了。\n","permalink":"https://www.gdrar.cn/posts/ai-recruitment-overuse-boundary/","summary":"\u003cp\u003e一家公司用AI筛掉的简历里，躺着后来在竞对公司做到销冠的人。另一家公司让AI给面试表现打分，机器评估最高的候选人，入职三个月就走了。\u003c/p\u003e\n\u003cp\u003e两件事放在一起看，指向同一个问题：AI在做招聘这件事上，是不是已经覆盖了不该覆盖的环节。\u003c/p\u003e","title":"AI做招聘不是越多越好，过度反而会出问题"},{"content":"每隔一段时间，AI取代HR的话题就会被重新翻出来。每次有大模型升级、有新的AI招聘工具上线，讨论就会再来一轮。焦虑的HR开始在朋友圈转发各种分析文章，技术乐观派搬出数据说替代率已经到多少了，行业评论者写一篇又一篇的预测。\n这个循环过去三年我看了不下五遍。\n但站到第十年往回看，我觉得这个问题的提问方式本身就有问题。「取代」这个词暗示HR是一个可以被机器逐个替换的操作岗位集合——筛简历可以被取代，面试可以被取代，薪酬核算可以被取代，然后HR就不存在了。\n这个逻辑链条看起来顺，但前提是错的。\n因为它假设HR做的事，本质上是流程性操作。而十年HR做下来，我的感受刚好相反：HR这个岗位里最值钱的部分，从来不是流程操作。\nAI能做的事，边界很清楚 先说AI能干的部分。\n简历筛选、面试邀约、入职材料收集、培训排期、薪酬核算、考勤统计、员工问答——这些事务性工作AI确实比人快，而且会越来越快。现在已经有工具能批量处理简历初筛，根据岗位JD自动匹配候选人，甚至能模拟面试场景给候选人做预评估。\n我在前面的文章里写过，AI招聘到底改变了什么——它最大的价值是帮HR把那些重复、耗时、不需要太多判断的工作接了过去。一个HR过去每天花四小时筛简历，现在可以把这些时间省下来。\n但省下来的时间用来干什么，这才是关键。\n如果省下来的时间继续用来做更多同样层面的工作——多筛一倍简历、多发一倍通知、多排一倍面试——那AI带来的只是效率提升，不是质变。\n如果省下来的时间被投入到了需要判断力和人情理解的工作里，AI才真的开始改变HR这个岗位。\n边界之外：AI做不到的那部分 有一段经历我一直记得。公司一个业务部门负责人坚决要录用一位候选人，简历漂亮、面试表现好、行业背景完美匹配。但面试那天我坐在旁边旁听，有一个细节让我犹豫了——候选人在回答团队冲突的问题时，反复强调「我按流程办，不服可以找上面」。不是话本身有问题，而是他所有关于人的回答都指向制度和流程，没有任何一句涉及沟通、理解或妥协。\n这件事没法让AI来判断。因为它不是数据层面的不匹配，是管理者风格和组织文化之间的隐性冲突。AI可以分析出这个人的过往业绩、技能标签、跳槽频率，但分析不出他在真实管理场景里会和团队产生什么化学反应。\n类似的例子还有太多。\n两个候选人都符合岗位要求，一个经验更丰富但薪资期望高，一个有潜力但需要培养周期。这个选择本质上不是能力的比较，是公司当下愿意承担多大风险的判断。AI能给出一份对比表，但做不了这个决策。\nHR在大多数企业里真正扮演的角色，不是在标准流程里执行操作，而是在各种「都不完美」的选项里帮组织找到一个当下最合适的选择。这种选择需要理解业务、理解组织政治、理解人性，还需要承担决策带来的后果。\n这些东西，AI做不了。\n不是技术不够，而是它们本来就不是算法能解决的问题。AI可以预测一个候选人在当前岗位上的成功概率，但预测不了他来了之后团队会不会因为多了他一个人而失衡；AI可以分析出薪酬百分位，但分析不出CEO心里那条不能说的预算红线在哪。\nAI筛简历半年后，我决定把终选权留在人手里——那篇文章里我也提到过类似的结论：技术可以做大量前置工作，但最终那道需要承担责任的判断，交不出去。\n真正会被「取代」的，不是HR岗位，是一种工作方式 如果非要说取代，我觉得真正面临风险的不是HR这个岗位，而是「只会做事务性操作的HR工作方式」。\n一个HR如果每天的工作构成是：上班打开招聘后台筛简历、约面试、做入职办理、跑社保流程、统计考勤数据、写周报——这些事AI确实可以在可见的未来做得更快更省力。而且企业没有理由为这些操作持续支付一个HR的薪资。\n但一个HR如果做的事情是：和业务部门一起分析团队结构问题、在数据之外给出对人的判断、在制度无法覆盖的地方做有温度的沟通、帮管理者看到他们自己没意识到的用人盲区——这种HR不会被取代，只会越来越值钱。\n两者之间的区别，不在于掌握了多少工具，而在于对「HR在组织里到底在解决什么问题」的理解深度。\n所以答案是什么 回到最初的问题。AI会不会取代HR？\n会取代一部分。会取代那些把自己定位成流程执行者的HR。会减轻那些已经在做判断和协调的HR的重复工作负担。会让HR这个岗位的分工更加极化——一端是标准化操作由AI完成，另一端是人的判断力变得更加稀缺。\n不会取代那些真正理解组织运作、愿意深入业务、敢于在不完美中做选择的HR。因为组织永远需要有人来做「人」的判断，而AI做得再好也只是个工具。\n与其花时间焦虑，不如花时间看看自己每天都在做什么。把那些AI能做而且应该做的事列出来，主动交出去。然后把腾出来的精力，放到AI做不了但组织最需要的事上。\n这才是HR面对AI最该做的准备。\n","permalink":"https://www.gdrar.cn/posts/ai-wont-replace-hr/","summary":"\u003cp\u003e每隔一段时间，AI取代HR的话题就会被重新翻出来。每次有大模型升级、有新的AI招聘工具上线，讨论就会再来一轮。焦虑的HR开始在朋友圈转发各种分析文章，技术乐观派搬出数据说替代率已经到多少了，行业评论者写一篇又一篇的预测。\u003c/p\u003e","title":"AI取代HR还早，但它会重新定义HR在做什么"},{"content":"AI招聘这个概念从爆发到全面铺开，差不多三年了。\n三年时间足够一个行业从狂热走向冷静。厂商的发布会开了一轮又一轮，功能列表翻了又翻，AI筛简历、AI视频面试、AI人岗匹配、AI面试辅导——几乎每一个环节都有人在尝试切入。但真正走进企业去看，AI到底改变了什么，答案比任何一份产品白皮书都复杂得多。\n去年下半年到今年上半年，我陆续和32家已经落地AI招聘工具的企业做了深度交流。覆盖的行业包括互联网、制造、零售、金融和生物医药，企业规模从两百人到八千人不等。有些企业已经迭代了三轮AI工具，有些踩了坑又退了回去，还有些处在观望和调整期。\n把这些交流记录放在一起梳理，我看到了一些和行业共识不太一样的画面。\n效率提升是真的，但主要集中在容易改的地方\n这是所有交流中反馈最一致的一条。AI在简历初筛、面试邀约、候选人沟通这几个环节上的效率提升，几乎没有企业质疑。\n一家做AI简历初筛工具的企业展示过一组数据：系统上线后，HR每天处理简历的时间从平均3.2小时降到了1.1小时。我在多家企业那里得到了类似的反馈——效率提升幅度在50%到70%之间。初筛本身就是最标准化的环节，AI做起来几乎没有障碍。\n但需要判断力的环节，故事就不一样了。\nAI在\u0026quot;这个人要不要进入下一轮\u0026quot;这个决策上的准确率，各家反馈差异极大。一家用了两年AI面试的企业告诉我，系统推荐的A级候选人，实际绩效达标率是64%，和HR独立判断的达标率相差不到5个百分点——AI没有明显更好，也没有明显更差。但另一家企业给了一个完全不同的数字：AI高分候选人的半年留存率比HR推荐的低了12个百分点。\n出现这种差异，不是因为AI本身技术水平不同，是AI被使用的深度不同。前一家企业把AI定位为参考信号，HR可以否决AI的推荐；后一家企业把AI评分作为硬性门槛，低于80分直接淘汰。同一个AI工具，放在不同的使用方式下，结果可以完全不一样。\n这和我在AI招聘减少用人错误的真实效果里看到的逻辑一致：AI的能力边界不是技术决定的，是使用方法决定的。\nHR的角色结构发生了真实变化，但很多人还没意识到\n这是我观察到的第二大变化，也是讨论中容易被忽视的一条。\n三年前，一个HR团队的分工大概是这样的：四成时间花在事务性工作上——筛简历、约面试、发offer；三成花在面试和评估上；剩下的分散在沟通协调和数据分析上。\n现在用了AI工具的团队，这个比例变了。事务性工作占比降到了两成左右——不是HR更闲了，而是需要做的事情变了。原来筛简历的时间被释放出来，填到了三个新的领域里：AI输出结果的复核和校准、招聘数据的分析和复盘、业务部门的深度沟通。\n几位HR负责人都提到了一件事：团队的技能结构跟不上了。原来的HR擅长的是看人和沟通，但现在需要的能力变成了数据理解和工具管理。一个做了八年招聘的HR，突然要学会判断AI评分模型有没有系统性偏差——这中间的能力鸿沟比想象中要大。\n有一家金融科技公司的HR总监说得挺直接：「我们现在最大的瓶颈不是招不到人，是HR团队跟不上AI工具的迭代速度。工具换了两轮，人的能力还在原地。」\n这个现象背后的逻辑延伸一下，就和我在HR从直觉驱动到数据驱动的转型过程里讨论的问题对上了——工具变了，但配套的组织能力和人员技能没有同步跟上。\n候选人体验没有变好，只是变快了\n关于AI招聘对候选人体验的影响，我收集到的反馈出乎意料地一致——几乎所有HR都承认，AI介入后招聘流程快了，但候选人对招聘过程的满意度并没有明显提升。\n有些企业甚至出现了候选人体验下降的情况。一家互联网公司的HR分享了一个典型投诉：候选人通过AI面试后进入了终面，但在终面中被问到的全是AI面试已经问过的问题。候选人直接说：「我已经跟AI说过一遍了，你们有没有看过那份记录？」\n这个现象暴露了AI招聘落地中最常见的一个组织断层：AI采集到的信息，没有被有效地传递到下一个决策环节。AI面了等于白面，终面面试官还是要从零开始问。效率在初筛环节提升了，但在整体流程体验上没有形成闭环。\n另一个让HR纠结的问题是：候选人知道对面是AI之后，行为会发生变化。有人会更放松，有人说得更快更随意，也有人在AI面前表现出明显的不适应——肢体僵硬、语速变慢、回答变得高度模板化。这些反应到底反映了什么，HR团队至今也没有统一的解读方法。\nAI面试能不能取代人与人之间面对面的接触和判断，我在线上测评和面试的关系里聊过——AI不是替代了人的判断，而是把人做判断的起点移到了另一个环节。\n数据开始说话，但企业还没学会听\nAI招聘带来的第四个变化，是企业终于开始积累招聘数据了。\n过去很多公司的招聘决策说得好听叫经验驱动，说得直接一点就是凭感觉。面试官的主观判断占据了绝对主导地位，而所谓的经验，很难被验证和迭代。\nAI工具天然带有数据采集的属性——每份简历的评分、每场AI面试的分析、每个人岗匹配度分数，全部可量化、可追溯。从这个角度看，AI招聘最大的长期价值可能不是效率提升，而是把招聘从一个无法度量的过程变成了一个有数据可循的过程。\n但有了数据不等于会用数据。\n一家企业给我看他们的AI招聘后台：三个月累计了两万多条数据，包括简历评分分布、AI面试通过率、候选人来源渠道转化率。我问HR总监这些数据有没有影响过你们的招聘决策，他想了半天说：「目前还是主要用来做汇报，真正用来调标准的次数不多。」\n这不是个例。大部分企业还停留在数据收集的阶段，离数据驱动决策还有距离。原因也不复杂：有了数据，还需要有人知道怎么解读、怎么把数据转化成可执行的调整方案。这一步不能靠AI自动完成。\n什么没变\n说了这么多变化，也得谈谈那些AI没能改变的事。\n招聘中最难的那个环节——判断一个人和公司之间的化学匹配度，AI依然无能为力。能力可以测量，经验可以量化，但一个人坐在面试桌对面，和这个团队之间到底能不能产生化学反应，AI无法预测。这是AI的天花板，也是人的价值依然在的地方。\n用人部门和HR之间的矛盾不会因为AI出现而消失。AI可以帮HR更快地筛选出候选人，但用人部门依然会质疑这不是我要的人。这不是技术问题，是预期管理和沟通问题。\n招错人的根本原因也依然不变。大部分翻车的根因不是信息不够，而是判断逻辑走偏了——过于关注某个亮眼的信号，忽略了系统性风险。AI可以给你更多信息，但它不能替你修正判断逻辑。\n一个更诚实的答案\n回到最初的问题：AI招聘到底改变了什么？\n我的答案是：AI没有改变招聘的本质，但改变了招聘的运行方式。\n效率确实变高了。HR的角色在迁移，从执行者向数据翻译者和工具管理者转变。候选人体验更加标准化，但也更加机械化。企业积累了大量招聘数据，但大多数人还没学会怎么用。\nAI让招聘变得更快、更可量化、更可追溯，但它没有让招聘变得更简单。恰恰相反——当工具帮人们省掉了重复劳动之后，那些真正需要判断力的工作反而变得更加突出了。原来HR可以把时间花在筛简历这种看起来很忙的事情上，现在这些事被AI做了，HR必须直面那个更难的问题：你到底是凭什么判断一个人行不行的？\n这不是一个让人失望的答案。任何有价值的技术落地，最后都会走到同一个地方——工具完成它该完成的部分，然后把更难的题目交还给人类。\nAI招聘也是如此。它的真正价值不是替代我们做判断，而是逼我们把自己的判断逻辑想得更清楚一些。\n这个题，躲不掉了。\n","permalink":"https://www.gdrar.cn/posts/ai-recruitment-real-changes/","summary":"\u003cp\u003eAI招聘这个概念从爆发到全面铺开，差不多三年了。\u003c/p\u003e\n\u003cp\u003e三年时间足够一个行业从狂热走向冷静。厂商的发布会开了一轮又一轮，功能列表翻了又翻，AI筛简历、AI视频面试、AI人岗匹配、AI面试辅导——几乎每一个环节都有人在尝试切入。但真正走进企业去看，AI到底改变了什么，答案比任何一份产品白皮书都复杂得多。\u003c/p\u003e","title":"AI招聘到底改变了什么？三年落地后我看到的变化"},{"content":"如果一个HR在2026年还不能用数据讲清楚自己的用人决策逻辑，在同行眼里差不多等于没有专业门槛。\n这话说出来有点直，但确实是近几年行业内部正在发生的真实价值重估。不是HR这个职业本身变值钱了——而是\u0026quot;能用数据做判断\u0026quot;正在成为HR能力的一个分水岭。\n五年前聊HR的核心能力，大家说的是业务理解力、沟通协调能力、人才识别眼光。现在你打开任何一个HR岗位的JD，\u0026ldquo;数据分析能力\u0026quot;已经快要变成标配项。几个主流招聘平台的数据显示，带\u0026quot;数据\u0026quot;关键词的HR岗位数量，过去三年翻了将近一倍。\n这个变化不是某家公司带起来的，而是整个行业在做一次集体转向。拆开来看，有几个角度的东西值得聊清楚。\n为什么集中发生在最近几年 HR领域对数据的兴趣不是今天才有的。但为什么过去两三年明显加速了？梳理下来，至少有三个方向的合力在起作用。\n第一，业务端对HR的输出要求变了。\n过去业务负责人对HR的期待，基本停留在\u0026quot;帮我招到人\u0026quot;\u0026ldquo;别让离职率太难看\u0026rdquo;。现在越来越多的业务负责人在对接HR时，会追问更具体的东西：这批新人的前三个月留存率跟去年比怎么样？这个渠道来的简历转化率到底行不行？我们团队的离职率在行业内算什么水平？\n当业务开始用数据思维来跟HR对话，\u0026ldquo;我觉得这个候选人不错\u0026quot;这种说法的说服力就明显不够了。不是说HR的直觉判断不准，而是在组织内部做决策时，数据提供的参照系能让对话效率高得多。\n第二，数据工具的门槛降下来了。\n五年前想做一次完整的招聘效率分析，需要HR自己拉Excel、找人搭BI看板、手动清洗数据。现在大部分主流HR系统已经自带数据面板，从简历来源分析到招聘漏斗转化率，系统自动出图。更别说这两年AI辅助分析工具的普及，很多过去只有专业数据分析师才能做的事，现在拖几个文件、输几行指令就能出结果。\n工具层面的便利，客观上拉快了HR向数据化走的步伐。\n第三，新一代HR的职业习惯正在形成。\n近两年入行的HR从业者，对数据的态度跟上一代有明显差异。他们更习惯在做决策之前先看数据，而不是先凭感觉下判断再找数据验证。这不是谁好谁坏的问题，而是职业训练背景决定的习惯差距。当越来越多人带着这种习惯进入行业，整个群体的决策方式也会跟着变。\n数据到底在改变什么 落到具体场景里看，数据对HR决策的影响是实实在在的。\n招聘端，数据帮HR解决了一个长期悬而未决的问题——面试官偏差。同一个候选人，换两个面试官来面，结论可能完全不同。但如果把候选人的能力维度拆成可评分的结构，加上标准化面试题和评价锚点，面试官之间的评分差异就会显著缩小。数据起的作用不是替代人的判断，而是让判断偏差变得可观察、可校准。这也是为什么很多企业在搭建了完整的招聘系统之后，招聘质量的稳定性会有明显改善——不是因为系统比人聪明，而是系统让每个人的判断标准对齐了。\n人才盘点端，数据解决的核心问题是公平性。不管多公正的管理者，做人才排名时都很难避开近因效应——最近表现好的，整体评价就会偏高。数据拉通半年的绩效表现、项目完成情况、关键事件记录，就能把这种时间偏差拉回来，让盘点结果更接近真实水平——当然，这也意味着HR需要理解数据本身的局限性，就像之前那篇关于测评预测能力边界的文章里讨论的一样，数据能告诉你是什么，但不总能告诉你为什么。\n离职预测端，一些走得比较靠前的企业已经开始用建模的方式做主动干预。通过分析历史离职样本，找出离职前最常出现的行为信号——连续低绩效、请假频率上升、加班时长异常减少等等——在员工正式提出离职之前，系统已经标出了预警名单。这比等到员工提离职再做面谈留人，窗口期宽得多。\n数据到不了的地方 说到这个份上，也得承认一件事：数据能提升判断的准确性，但不能替代判断本身。\n需要警惕的一种倾向，是把数据当成决策的\u0026quot;替罪羊\u0026rdquo;。选了候选人进来，半年后没干好，不是反思当初的评估逻辑有什么漏洞，而是来一句\u0026quot;数据是这么显示的，我也没办法\u0026rdquo;。数据可以给你参考依据，但最终拍板的那个人还是HR自己。\n另一个数据解决不了的问题是人的成长性。数据反映的是一个人过去的行为模式和当前的能力状态，但它很难准确预测一个人在换了环境、换了管理方式之后能长成什么样子。有些员工在原团队表现平平，换了个适合他的管理风格，业绩直接翻倍。这种案例在HR手里并不少见。数据捕捉不到这种\u0026quot;潜力爆发\u0026quot;的信号，因为它依靠的是过去轨迹的外推，不是未来可能性的判断。\n还有一个更隐蔽的问题——过分依赖数据可能让HR的自主判断力变钝。当所有决策都有数据支撑的时候，人会慢慢失去在没有充分数据的情况下做判断的能力。但现实中的招聘和用人场景，永远存在数据盲区：全新的岗位没有历史数据可参考、小样本岗位的统计分析缺乏意义、关键岗位的决策窗口期根本等不及拉数据跑模型。这些时候，HR的经验和直觉仍然是不可替代的判断资源。\n回到开头那句话 HR对数据的重视程度上升，本身不是问题。能用量化指标支撑自己的判断，比全凭感觉走要可靠得多。但如果把数据从\u0026quot;工具\u0026quot;变成\u0026quot;信仰\u0026quot;，把数据分析结果当成不容质疑的标准答案，那数据反而会成为判断力的枷锁。\n数据是HR手里一把新的尺子，但它测不了所有东西。真正的专业能力，是知道什么时候该看数据做决策，也知道什么时候该把数据放下，凭对人的理解做判断。\n","permalink":"https://www.gdrar.cn/posts/hr-data-decision-shift/","summary":"\u003cp\u003e如果一个HR在2026年还不能用数据讲清楚自己的用人决策逻辑，在同行眼里差不多等于没有专业门槛。\u003c/p\u003e\n\u003cp\u003e这话说出来有点直，但确实是近几年行业内部正在发生的真实价值重估。不是HR这个职业本身变值钱了——而是\u0026quot;能用数据做判断\u0026quot;正在成为HR能力的一个分水岭。\u003c/p\u003e","title":"HR集体转向数据决策，这件事的影响被大大低估了"},{"content":"这几年我收到最多的同行提问，不是测评怎么选、人岗怎么配，而是一个最基本的问题——面试到底还能不能信。\n问这个问题的人，背景各不相同。有的刚经历过\u0026quot;面试表现满分、入职后一塌糊涂\u0026quot;的招聘翻车，有的被业务部门反复质疑\u0026quot;你们HR面的人到底准不准\u0026quot;，还有的纯粹是面了太多人之后，自己也说不清面试评估和最终表现之间的关联到底有多大。\n我理解这种困惑。其实我自己的答案也在变。\n面试不是不准了，而是我们对它的期望变了\n过去招聘的链路相对简单。简历筛一遍，面试聊一轮，差不多的就要了。那时候面试承载的任务很明确：排除明显不合适的人。它不是精密的测量工具，更像一个过滤器——不求精准识别最优，只求筛掉最差。\n但现在不一样了。\n招聘成本在涨，试错成本更高。企业希望面试不仅筛掉不合适的人，还要精准选出能出业绩的人。这是一个完全不同的期望等级。当面试被推上\u0026quot;预测工作表现\u0026quot;的位置，它的局限性就暴露出来了——不是面试变差了，是它被要求做一件它本来就不擅长的事。\n我一直在想一个类比：面试被当成体温计来用，但它本质上只是一个触诊。触诊有经验的大夫能摸出八九不离十，但你要求它告诉你白细胞数值，那就超出了它的能力边界。\n面试为什么越来越不够用\n我观察下来，有三个层面的原因在同时起作用。不是某个环节出了问题，是整个面试这件事被放在了一个不适合它的环境里运行。\n第一个层面是信息失真。\n一次面试通常只有四十五分钟到一小时。在这个时间里，面试官要完成建立 rapport、提问、倾听、追问、记录、评估等一系列动作。而候选人要在短时间内完成自我介绍、拆解问题、组织语言、展示案例、管理表情和语气。双方的认知资源都是有限的。结果就是，面试官能捕捉到的有效信息，远没有想象中多。\n更隐蔽的问题是，这些信息的质量在下降。候选人越来越会\u0026quot;做面试\u0026quot;了——不是能力变强了，是面试技巧训练普及了。行为面试法的 STAR 模型已经成了面试培训的标准内容，候选人的回答越来越完整、越来越结构化，但也越来越难区分是真实经历还是精心编排。\n我曾经遇到一个候选人，终面时被问到\u0026quot;你过去最复杂的项目管理经历\u0026quot;，他的回答结构完美得让我起疑——情境清晰、任务明确、行动步骤井井有条、结果量化到小数点后两位。后来背景调查才发现，他确实参与了这个项目，但角色是观察员，不是负责人，答案里的每一步都是照着项目复盘 PPT 说的。这不是骗人，他只是把别人的经历学得太好了。\n第二个层面是评估标准的漂移。\n面试打分这件事，看起来有维度、有量表、有评分标准，但实操过的人都知道，同一份评估表，不同面试官填出来的结果，可能描述的是完全不同的人。\n我在一家客户那里做过一个测试：让四位面试官同时旁听同一场面试，每人独立打分。最终结果，四个人的总分从 68 到 92 不等，分布在完全不同的区间。追问差异原因，有人被候选人开场时的自信表达打动了，有人注意到候选人回答某个问题时有短暂的迟疑，有人觉得候选人\u0026quot;风格和自己合得来\u0026quot;给了一个印象分。他们用的是同一份评分表，评的是同一个人的同一段回答，但每个人抓取到的信号完全不同。\n这不是面试官不专业。这是人类的注意力本身就有选择性。面试这个场景里，信息密度太高，大脑会自动过滤和补全，每个人补全的方向不一样。这就是评估标准在无形中发生漂移的原因。\n第三个层面是面试场景本身的局限性。\n面试本质上是一种社交互动。两个人（或几个人）在一个房间里对话，天然会受到社交礼仪的影响。候选人不会在面试中说\u0026quot;这个问题的真实答案是：我不知道\u0026quot;。面试官也不会在评估表上写\u0026quot;这个人给我的感觉不太好，但我找不到具体原因\u0026quot;。双方都在完成一场社交表演，只是各自的剧本不同。\n这种社交属性带来的最大问题是：面试擅长捕捉的是\u0026quot;一个人知不知道正确答案\u0026quot;，而不是\u0026quot;一个人在真实工作场景中会怎么做\u0026quot;。这是两种完全不同的能力。前者可以在一个小时的对话里完成评估。后者需要在真实的工作压力、时间约束、资源限制和人际复杂性中去观察。\n面试聊得好未必能干活这个现象，不是偶然发生的，而是面试本身的局限性导致的必然结果。\n面试不是要放弃，而是要重新定位\n说了这么多面试的问题，我得说清楚：我不主张取消面试。\n恰恰相反。面试是招聘中不可替代的环节——它是唯一能让招聘双方建立真实互动的场景，也是判断候选人的沟通方式、思维习惯和价值取向的最直接渠道。问题不在于面试这个工具，而在于我们用它来做什么。\n我现在的做法是给面试降级。\n不是降低面试的重要性，而是降低对面试的期望。不再要求一次面试回答\u0026quot;这个人能不能出业绩\u0026quot;这个问题，而是把面试的任务缩小到三个具体问题：\n这个人说的经历，逻辑上站得住脚吗？—— 验证过往经验的可信度。\n他对这份工作的理解，和我们的实际情况匹配吗？—— 判断认知对齐度。\n和他共事，我的直觉反应是什么？—— 保留人类的直觉信号，但不作为决策依据。\n这三件事，面试可以做得很好。而\u0026quot;这个人未来能不能干出业绩\u0026quot;这件事，交给其他工具和时间去验证。\n我也越来越多地把面试放在整个评估链条中去理解，而不是单独依赖它。面试前有数据筛选和行为问卷做铺垫，面试后有试用期关键任务做验证，面试本身只是这个链条里的一个节点，而不是终点。关于面试和其他评估工具如何配合，面试和测评各自能解决什么问题、不能解决什么问题，我自己也是在不断试错中才慢慢摸清的。\n一个需要接受的事实\n面试从来都不是一个准确的预测工具。它一直是个半结构化的信息采集过程，夹杂着直觉、经验和各种不可控变量。\n问题是，过去我们不需要它那么准确。市场好的时候，招错一个人可以快速换；团队小的时候，面试官对候选人的判断可以在一周的工作接触中被修正。但现在环境变了，招聘容错率低了，面试才从\u0026quot;一个够用的工具\u0026quot;变成了\u0026quot;一个不够用的工具\u0026quot;。\n这不全是坏事。\n意识到面试不够用，意味着你开始用更多维度的信息来做判断，而不是把全部赌注押在一场对话上。你会发现，当你不再期待面试解决所有问题的时候，面试反而变得更有用了——因为你不再逼它做做不到的事，而是把它放在它能发挥作用的地方。\n这个答案可能不像很多人期望的那么爽快。没有黑科技，没有颠覆性方法，只是一个干了十几年的HR，对一个问题有了新的理解。\n面试的判断力在下降，不是因为工具退步了，而是因为环境对我们的判断力提出了更高的要求。应对的方式不是找一个更好的替代品，而是重新理解面试能做什么、不能做什么，然后把能做的事做到最好。\n","permalink":"https://www.gdrar.cn/posts/interview-judgment-still-reliable/","summary":"\u003cp\u003e这几年我收到最多的同行提问，不是测评怎么选、人岗怎么配，而是一个最基本的问题——面试到底还能不能信。\u003c/p\u003e\n\u003cp\u003e问这个问题的人，背景各不相同。有的刚经历过\u0026quot;面试表现满分、入职后一塌糊涂\u0026quot;的招聘翻车，有的被业务部门反复质疑\u0026quot;你们HR面的人到底准不准\u0026quot;，还有的纯粹是面了太多人之后，自己也说不清面试评估和最终表现之间的关联到底有多大。\u003c/p\u003e","title":"面试到底还能不能判断一个人，我最近有了不同答案"},{"content":"在一次招聘流程优化的工作坊上，我让在场的十几位HR管理者画出各自公司的招聘流程图。结果五花八门——有的画了五步，有的画了十三步，还有的画到一半卡住了，不确定某个环节到底该不该算进去。\n这些图放在一起对比后，我发现了一个规律：环节多的流程不一定跑得顺，环节少的也不一定跑得快。真正决定流程效果的，是每个节点上有没有人在做正确的判断。\n我把接触过的三十多家企业的招聘流程逐一做了交叉分析，发现了一个共性：一套招聘流程不管画了多少步，简化到最后就是在回答四个问题。每个问题对应一个判断节点，哪个节点没想清楚，整个流程就会在那个环节出问题。\n第一个判断节点：这个岗位真的需要招吗？\n很多公司的招聘流程从接到需求就开始走了——用人部门提交一张申请表，HR开始发布职位、收简历。但很少有人停下来问一下：这个需求本身是不是对的？\n见过最典型的案例：一家互联网公司的技术总监提了加急需求，说要招三个后端工程师，理由是团队加班太严重。HR没有质疑，直接开始招人。三个月后三个人入职，团队加班问题依旧——因为根源是代码架构不合理，而不是人手不够。\n在这个节点上，HR需要做的不是执行，而是判断。至少搞清楚三个问题：这个岗位是新增还是替补？工作量是真的满负荷了，还是效率问题？有没有内部转岗或外包方案可以替代招聘？\n第二个判断节点：我们要招什么样的人？\n这是大多数流程中最薄弱的一环。很多公司的岗位画像其实就是一份JD，写的是学历、经验、技能这些硬性条件，但真正决定候选人能不能干出业绩的因素，往往不在JD里。\n举个例子：同样是招一个销售经理，A公司的要求是「三年以上销售经验，带过五人以上团队」，B公司在此基础上加了一条「能自己跑客户也愿意陪下属跑客户」。就多这一条行为化的判断标准，B公司招到的销售经理在一线带团队时表现出明显更好的落地能力。\n在这个节点上，HR要和用人部门一起把模糊词翻译成可观察的工作行为。什么叫沟通能力强？什么叫有团队精神？这些词如果不翻译成具体的工作情境，后面的所有筛选都是盲打。关于标准落地的具体方法，可以参考之前写的人才画像搭建，里面有一套可用的五步模板。\n第三个判断节点：用什么方法来筛选最有效？\n流程到了筛选环节，最容易犯的错误是工具使用不当。有的公司过度依赖面试，认为聊得好就能干好；有的公司反过来，迷信测评数据，一套线上测试就决定候选人去留。\n效率最高的筛选流程，往往不是用了多复杂的工具，而是把不同工具用在正确的位置上。简历筛选解决硬性条件匹配，测评解决底层特质评估，面试解决情境判断和软实力验证，三者各司其职，谁也不是谁的替代品。\n这个判断节点的核心问题不是用什么工具，而是每个工具解决什么问题、边界在哪。去年做过一次详细的数据对比分析，写在了面试和测评各自的判断边界那篇里，可以结合来看。\n第四个判断节点：招进来以后，怎么验证当初的判断？\n这是大部分企业招聘流程中缺失的最后一环。\n流程走到发offer就结束了，后面入职、试用、转正被归到了员工关系或者业务部门的职责范围。但如果没有入职后的数据反馈，招聘环节的所有判断都无法被验证——你不知道当初看中的人到底对不对，也不知道自己的筛选标准需不需要调整。\n建议每个招聘流程都加上一个复盘闭环：员工入职6个月后，HR和业务负责人对照当初的招聘评估表做一次校准，看看哪些判断是准的、哪些是错的。这个动作坚持做一年，筛选标准的准确率会有明显提升。\n除了这四个判断节点，还有一个容易忽略的配套问题——流程的执行载体。很多公司直接上系统，但系统应该服务于流程，而不是定义流程。如果流程本身没想清楚，系统只是把错误的方法加速执行而已。之前写的招聘系统上线效率分析那篇专门讨论过这个问题。\n下面是一份我自己搭建招聘流程时用的自检清单，分享出来供参考。\n招聘流程自检清单\n需求环节\n□ 这个岗位是新增还是替补？ □ 工作量问题还是效率问题？ □ 有没有内部或外部的替代方案？ 标准环节\n□ JD之外，有没有明确的成功者画像？ □ 每个软性条件是否翻译成了可观察的行为？ □ 用人部门和HR是否对标准达成一致？ 筛选环节\n□ 每个筛选工具分别解决什么问题？ □ 工具的边界在哪，什么情况下需要交叉验证？ □ 面试官是否接受过结构化面试培训？ 复盘环节\n□ 是否有入职后6个月的跟踪机制？ □ 招聘评估表和实际绩效能否对应上？ □ 筛选标准是否需要按季度调整？ ","permalink":"https://www.gdrar.cn/posts/recruitment-process-key-checkpoints/","summary":"\u003cp\u003e在一次招聘流程优化的工作坊上，我让在场的十几位HR管理者画出各自公司的招聘流程图。结果五花八门——有的画了五步，有的画了十三步，还有的画到一半卡住了，不确定某个环节到底该不该算进去。\u003c/p\u003e","title":"从岗位需求到入职复盘，完整招聘流程就解决四个问题"},{"content":"公司花了四十万采购的人才测评系统，一年后还在坚持用的业务部门不到三成。\n这不是某一家公司的问题。去年我参与过一个行业交流小组，十几家规模在两百到八百人的企业，几乎都有系统采购后闲置的经历。有的买了一年连账号都没激活完，有的上了两个季度就被业务部门集体抵制，还有的干脆到期默默断约，谁都不愿意提这事。\n每次听到这种故事，我都会追问一句：当时选型的时候，你们最看重什么？\n答案出奇一致。功能全不全、价格合不合适、能对接多少人——全是采购清单上的标准项。但恰恰是标准项以外的东西，决定了这套系统最终是落地还是落灰。\n两年前一家B轮电商公司找我做顾问，团队从六十人快速扩张到两百五，招聘量翻了三倍。HR总监在季度会上提出需要人才测评系统，CEO拍了板：两个月内完成选型加上线。\n选型小组拉了个Excel，对比了八家供应商，从测评维度、题库丰富度、报告样式、价格、接口数量五个维度打分。最后选了功能清单最长、单价最低的一家。我提醒过：数据能不能自由导出、实施团队怎么配、管理层买不买账，这几条比功能表重要。但小组急着赶工期，说合同里都有标准条款，不会出大事。\n结果上线第二个月就出问题了。\n业务总监要做人才盘点，需要把测评数据和绩效数据做交叉分析，发现系统不支持数据导出。找供应商，回复是数据导出属于定制服务，需要另外签合同付费，实施周期六到八周。HR团队傻眼了——采购合同里完全没有写数据归属和导出权限这些条款。\n接下来三个月，管理层不约而同地开始遗忘这个系统。原因很简单：他们没参加过选型，没接受过系统培训，收到的测评报告也不知道怎么解读。总监们私下跟我说：这东西出的报告看着挺花哨，但跟我的面试判断对不上，我凭什么信它？\n六个月后我做了次系统活跃度拉取：开通账号的一百二十个管理者，月活只有二十多个。四十万的年费，实际利用率不到百分之二十五。\n一年后续约谈判，HR总监直接换了方向。他们把数据可移植性、实施陪跑天数、管理层认知培训三个指标写进了K.O.条件。第二次选了价格稍高但数据开放、实施周期有保障的供应商。系统重新上线后的十二个月，活跃率稳定在百分之七十八。\n这次翻车的核心教训就一个：选人才系统，真正要评估的从来不是产品本身体验，而是产品进入组织后的适配能力。我后来复盘了三家公司的选型失败案例，发现被忽略的东西集中在三个层面。\n第一层：数据主权和迁移成本\n很多公司在签合同的时候根本不看数据条款。测评报告存在供应商的服务器里，你想拿回来做二次分析？先谈价格。你想换供应商？流程上可以，技术上你发现数据根本导不出来。\n数据锁死这件事的杀伤力不在当下，在一年后、两年后。当你积累了上千份测评报告，当业务部门开始拿测评数据做绩效预测和晋升决策，这组数据就成了企业的人才资产——但资产却在别人手里。\n选型的时候有一条底线必须写进合同：所有原始数据和测评报告的数据格式必须开放，支持本地化部署或定期全量导出。谁开放谁封闭，一眼就能看出供应商是想做长期伙伴还是只想锁客。\n第二层：实施陪跑和管理层共识\n大多数公司低估了让一群人接受一个新工具的难度。\n采购决策一般是HR和IT推动，但实际使用者是一线业务管理者和面试官。这两拨人的利益完全不一致。推动方关注效率提升和数据沉淀，使用方关心的是这东西能不能帮我把人看准、上手要花多少时间、会不会增加我的工作量。\n第二次选型那家电商公司做得对的一件事：让业务总监提前参与系统体验，并把他们的反馈评分写进选型决策权重。这个动作直接拉高了上线后的接受度。\n实施阶段最容易被忽略的是陪跑周期。很多供应商承诺的上线培训就是两场线上会，发一份操作手册。但真正有效的落地至少需要三到六个月的分阶段陪跑：第一个月功能培训和基础使用，第二三个月深度应用和报告解读，第四到六个月结合企业内部数据进行校准和优化。\n面试供应商的时候你可以直接问一个问题：你们的客户成功团队平均服务周期是几个月？如果答案少于三个月，预警。\n第三层：选型逻辑本身——功能清单陷阱\n功能清单越长，决策越容易跑偏。\n这是我自己踩过的坑。人在面对复杂决策时，天然倾向于选一个看起来最全面的方案来降低焦虑。供应商也深谙此道，把产品功能拆得越碎越好，让你觉得不买就亏了。\n但问题在于，一个两百人公司和两千人公司，对人才系统的需求完全是两回事。小公司需要的是简单高效、出报告直接能用、HR不用花太多时间学习。大公司才需要复杂的工作流引擎、多维度交叉分析和自定义模型。\n选型之前必须先做一件事：画出你的真实需求边界，哪些是必须要有的，哪些是锦上添花的，哪些是根本用不上的。然后用这把尺子去量供应商，而不是被供应商的功能清单牵着走。\n实操工具：人才系统选型核心10问 下次做选型评估的时候，把这10个问题放进你的评估表里：\n测评数据能不能定期导出？导出格式是什么——要求对方现场演示。 如果三年后不再续约，数据怎么交接？ 实施团队配几个人？驻场陪跑周期多长？ 管理层和面试官的上手培训怎么安排的？有没有分角色分阶段的设计？ 除了功能演示账号，能不能安排三个业务部门试用一个月？ 业务部门负责人的使用反馈有没有权重写进选型决策？ 你们的测评报告理论基础是什么？信效度数据能不能公开？ 客户续约率是多少？流失客户主要集中在什么场景？ 系统多久迭代一次？迭代方向是你们定还是客户需求驱动？ 如果上线后发现不合适，退出机制是什么？ 这份清单的最佳用法，是在约供应商之前先让业务、IT、管理层坐在一起过一遍前三个问题。内部先对齐需求边界，再去接触供应商。这一步做完，至少能过滤掉一半不合适的选项。\n我用五年数据告诉你：人才测评系统到底有没有用 那篇文章拆了测评工具本身的有效性边界。而系统选型的逻辑，又和工具的底层有效性直接绑在一起。\n另一个延伸视角我写过：招聘系统上线半年效率不升反降，我从数据里翻出了三个盲区，讲的也是上了系统却用不好的组织原因。两篇的底层逻辑可以对着看。\n选人才系统这件事，说到底是给组织装一个决策辅助能力，不是买一套软件。工具选错了可以换，但如果从一开始就没想清楚需要什么能力来支撑这套系统落地，换一百家供应商都解决不了问题。\n","permalink":"https://www.gdrar.cn/posts/what-companies-overlook-talent-system/","summary":"\u003cp\u003e公司花了四十万采购的人才测评系统，一年后还在坚持用的业务部门不到三成。\u003c/p\u003e\n\u003cp\u003e这不是某一家公司的问题。去年我参与过一个行业交流小组，十几家规模在两百到八百人的企业，几乎都有系统采购后闲置的经历。有的买了一年连账号都没激活完，有的上了两个季度就被业务部门集体抵制，还有的干脆到期默默断约，谁都不愿意提这事。\u003c/p\u003e","title":"选人才系统最容易忽略什么，我用三次失败选型换来了这份清单"},{"content":"过去三年，我深度参与了三次招聘平台的选型与落地。一次是自己公司，两次是帮合作的客户做评估。市面上主流的平台基本都摸了一遍，从几千块的标准版到几十万的定制版，从ATS到包含AI面试、人才测评、背调、入职一体化的全功能平台。\n每次选型前，销售都会拿出一张巨大的功能对比表，拉出七八十个功能点，告诉你别人的系统有什么、你没有什么。\n但真正把系统用起来之后，我越来越确定一件事：功能多和招到人之间，差着一整个认知鸿沟。\n场景：一次失败的选型复盘 先讲一个真实的案例。\n2024年初，一家快速扩张的互联网公司找我做招聘体系优化咨询。技术团队从80人扩张到300人，HR团队从3人增加到12人，原来的A级表格加微信群模式彻底撑不住了。\n公司CTO非常注重数字化，拍板采购了一套某大厂的旗舰级招聘平台，年费将近30万。功能清单拉出来确实亮眼：\n多渠道简历聚合解析 AI智能初筛与打分排序 在线视频面试与录制回溯 人才测评工具集成 背景调查自动化对接 人才库分层运营与自动唤醒 招聘数据大屏实时呈现 入职流程自动化 销售说这是\u0026quot;一站式招聘管理闭环\u0026quot;。听起来没毛病。\n半年后我入驻做复盘，拉数据时发现的情况和当初承诺几乎相反——\n招聘周期从上线前的平均28天，拉长到了42天。 Offer接受率从68%下降到54%。更麻烦的是，HR团队加班时长比上线前多了30%。\n问题出在哪？不是系统不好，是功能太多太全，团队根本接不住。\n误区一：功能覆盖度 = 招聘专业度 这是最普遍的错觉。\n很多人选型时喜欢拿功能清单一项项勾，A平台有73个功能点，B平台只有48个，那选A。好像功能点越多，系统越专业，企业显得越正规。\n但问题在于：你招一个普通销售岗，真的需要AI性格匹配+视频面试分析+背调自动化全套吗？\n那家互联网公司的真实情况是这样的：AI初筛上线后，HR团队发现模型的筛选标准和业务部门的需求存在明显偏差，又不敢完全信任系统打分，结果每一份被系统Pass的简历都让人工重新看了一遍——相当于把AI干的事再干一次，工作量翻倍。\n视频面试录制功能，三个月内只被调用过两次。人才库自动唤醒功能，因为公司根本没人专门维护人才库的标签体系，发了三次邮件后就被候选人投诉为垃圾骚扰，关了。\n功能越多，意味着要维护的模块越多。而每一个闲置模块，都是隐性成本——钱花了，人没用上，流程更复杂了。\n误区二：智能化功能 = 判断准确性 这两年几乎每个招聘平台都在推AI。AI筛简历、AI分析面试、AI预测候选人离职概率、AI推荐最佳人岗匹配度。这些功能听上去确实很酷，但落地时有个很难绕开的障碍：模型精度和数据质量决定了AI的天花板，而大多数企业的数据根本喂不饱一个靠谱的模型。\n我用过一个平台的AI面试分析功能，它会抓取候选人的微表情、语速、关键词密集度，然后生成一份\u0026quot;面试可信度评分报告\u0026quot;。看起来特别专业。但实际用了几次就发现，一个经验丰富但风格偏内向的候选人，系统总是给出\u0026quot;配合度偏低\u0026quot;的预警。\n而一个能说会道但回答内容全是空话的人，系统反而给高分。\n我当时和技术团队沟通，他们也很坦诚：模型训练用的是通用的面试场景数据，企业内部的实际面试数据和录用后绩效数据，绝大多数企业根本没有积累足够数量来做校准。智能推荐的结果，其实是在用一个粗糙的模板判断所有人。\n真正麻烦的不是技术不成熟，而是管理层会因为这些\u0026quot;看起来很科学\u0026quot;的评分，放弃自己的判断。\n你看系统打分80，自己面试觉得这个人不太行，反而会开始怀疑是不是自己要求太高了。\n误区三：数据报表多 = 管理有抓手 这是我踩过最深的一个坑。\n有一次选型，对方展示的数据大屏让我当场拍板：实时招聘进度、渠道ROI分析、各阶段转换率、团队效能排名、人才漏斗预警——太全了。\n上了之后才发现，这些数据看起来漂亮，但80%的指标根本不知道该怎么用。比如\u0026quot;人才库活跃度\u0026quot;这个指标，月底汇报时它可以很亮眼，但你拿它做什么决策？增加人才库运营投入？调整唤醒频率？还是干脆放弃这个指标？\n反而是之前那套简陋的系统里，一个最简单的问题：\u0026ldquo;每个岗位的候选人从初筛到面试的平均间隔是几天\u0026rdquo;——这个数据对招聘流程的改进价值远远超过那些花哨的雷达图。\n数据不是越多越好。能够指导决策的数据，才有意义。\n一个简单的数据检验方法 每次选型时，对着功能清单里的数据模块，问自己三个问题：\n这个数据我看完能不能做出一个具体动作？ 这个动作如果做了，会不会直接影响招聘结果？ 这个数据有没有对应的负责人去追踪和改进？ 三个问题中只要有一个答不上来，这个数据模块大概率会变成面子工程。\n核心选型评估清单 三年三次选型之后，我整理了一份自己用的评估框架，分享出来给正在选型的HR做个参考。\n招聘平台核心模块评估清单 评估维度 关键考察点 权重 岗位发布与渠道管理 接口覆盖度、一键发布、渠道耗时对比 必须 简历管理 解析准确率、去重能力、标签灵活性 必须 流程协同 业务部门参与度设计、审批流可配置性 必须 候选人体验 投递响应速度、移动端适配、进度通知 高 数据基础报表 招聘周期、渠道转化、过程耗时 高 人才库运营 标签体系灵活性、搜索、分层触达 中 AI智能化功能 可定制性、数据校准能力、人工复核通道 中 测评/面试集成 接口稳定性、数据互通、评价标准统一 低 入职流程对接 与HRIS/OA对接能力、信息协同 低 我对每一个评估维度的定义是：\n必须——没有这个模块，系统没法用。 高——没有这个模块可以用，但效率明显受影响。 中——有会更好，但不能因为这个模块而牺牲核心模块的质量。 低——等前面全部验证通过、系统稳定运行后再考虑扩展。\n选型的铁律：先从\u0026quot;必须\u0026quot;和\u0026quot;高\u0026quot;，跑通三个月的核心流程，再考虑加载中、低频模块。\n不冲动一步到位，而是分阶段上线。那家互联网公司的教训就是，一次性把所有模块全开，团队疲于应付系统运维，根本没精力做真正的招聘。\nSTAR案例复盘 Situation（背景） 一家200人规模的科技公司，年招聘量约400人，使用某全功能招聘平台12个月后，招聘效率不升反降。管理层对系统投入产生严重质疑。\nTask（任务） 评估现有系统的使用效果，找出效率下降的根本原因，提出优化方案。\nAction（行动） 我带队做了为期两周的全流程数据审计，覆盖从需求提报到入职的全链条。审计方式包括：\n拉取系统后台完整操作日志，统计每个模块的活跃度 对HR团队和业务面试官分别做使用体验一对一访谈 对照系统功能列表与团队实际工作流，标记\u0026quot;有用\u0026quot;和\u0026quot;无效\u0026quot;模块 审计结果：\n12个核心功能模块中，真正高频使用的只有4个（岗位发布、简历管理、面试安排、Offer管理） 3个模块（AI筛简历、人才库运营、数据大屏）被定义为\u0026quot;销售演示有用，日常工作闲置\u0026quot; 最大的隐性成本：每次系统升级和新功能上线，HR团队需要额外花时间学习和适配 Result（结果） 制定了\u0026quot;精简上线\u0026quot;方案：\n关停3个未产生价值的模块，退回按功能模块计价 将节省下来的预算投入简历解析准确率的定制优化和HR招聘能力培训 重新设计HR与业务部门在系统内的协作流程 优化后6个月的数据对比：\n招聘周期从42天缩短回31天 HR团队对系统的满意度评分从3.2分（10分制）提升到7.8分 年度系统运维成本降低约35% 核心结论：不是系统不够好，是用系统的方式出了问题。\n最后两个判断标准 在招聘平台选型这件事上，我后来只问自己两个问题：\n第一，这个功能在我的团队里，三个月后还会有人用吗？ 如果答案是\u0026quot;悬\u0026quot;，就不要为它付费。\n第二，这个功能是在帮HR招人，还是让HR花更多时间对付系统？ 如果是后者，趁早放弃。\n最近和几个同行聊到 招聘系统上线后效率不升反降的现象，发现踩坑的人并不少。和我之前复盘过的另一个问题类似——中小企业不花大价钱上系统也能把招聘做透，核心从来不是功能多少，而是团队把基本功练到位了没有。\n招聘平台的功能军备竞赛在继续，但HR自己得清楚：你要的是一把好用的刀，不是一把装满各种配件的瑞士军刀。\n刀能不能切开肉，和上面挂了多少工具没太大关系。\n","permalink":"https://www.gdrar.cn/posts/recruitment-platform-features-myth/","summary":"\u003cp\u003e过去三年，我深度参与了三次招聘平台的选型与落地。一次是自己公司，两次是帮合作的客户做评估。市面上主流的平台基本都摸了一遍，从几千块的标准版到几十万的定制版，从ATS到包含AI面试、人才测评、背调、入职一体化的全功能平台。\u003c/p\u003e","title":"招聘平台功能越多越好用？我用三年选型经验给出了否定答案"},{"content":"上半年做了一次招聘系统效率的内部复盘，数据拉出来那一刻，会议室安静了。\n三家去年上线招聘系统的公司，平均招聘周期不仅没缩短，反而拉长了12%。其中一家更夸张——上线后的首季度，从简历入库到发offer的平均耗时，比上线前多了整整9天。\n供应商签约时承诺的\u0026quot;效率提升30%-50%\u0026ldquo;还压在桌上，现实是钱花了，流程反而更堵了。\n这不是系统的问题。是我们在上线之前，漏掉了三件事。\n盲区一：用系统之前，流程根本没梳理干净 大多数公司上招聘系统的逻辑是：现在线下太乱了，上个系统自动管起来。\n结果是把线下的一团乱麻，原封不动搬到了线上。以前是人跑断腿，现在是系统里到处是卡住的任务，谁该审批、谁该推进、卡在哪个环节，全都没有定义清楚。\n我复盘的那三家里，有一家最典型：上线前招聘流程靠微信群+Excel，业务部门口头提需求，HR手动追进度。上线ATS后，系统要求每个环节都有对应的\u0026quot;负责人\u0026quot;和\u0026quot;完成时限\u0026rdquo;，结果业务部门根本没把这当回事，需求提交了不确认、面试时间不反馈、offer审批一拖一周。\n系统把每一个延时的环节都记录了下来。以前是不知道堵在哪，现在是一清二楚看着它堵。\n本质问题：没有流程定义就上系统，等于把混乱加速了。\n如果把线下的模糊流程直接搬进系统，系统只会把每个堵点放大给你看。效率下降不是系统造成的，但系统让效率问题变得无处可藏。\n所以在招聘效率这个话题上，我一贯的态度是：先梳理流程，再选系统。顺序错了，工具再好也白搭。\n盲区二：数据标准没统一，系统里跑的是垃圾 第二个盲区更隐蔽，也更致命。\n招聘系统的核心价值之一是\u0026quot;数据驱动决策\u0026quot;——从渠道来源分析、到各环节转化率、到offer接受率，看起来很美。\n但前提是，所有人对\u0026quot;数据\u0026quot;的定义是一致的。\n复盘中有一家公司，三个业务部的HR各自用不同的方式记录\u0026quot;面试通过率\u0026quot;：A部门把\u0026quot;候选人来过公司就算面试\u0026quot;计入分母，B部门把\u0026quot;业务主管聊过就算面试\u0026quot;，C部门更离谱——面试通过指的是\u0026quot;业务主管口头说了可以\u0026quot;。三个部门拉出来的数据完全不具备可比性，系统里的报表好看，但没有任何管理意义。\n本质问题：数据口径不统一，系统跑出来的不是真相，是噪音。\n类似的问题还有：简历来源不标注渠道、offer状态更新不及时、候选人重复录入。任何环节的数据污染，都会让系统最终输出的\u0026quot;效率分析\u0026quot;变形。\n如果上线前没有统一的数据标准和操作SOP，系统只会把脏数据整整齐齐地呈现给你。\n盲区三：把系统当成了管理者，而不是工具 第三个盲区，说出来可能有点扎心。\n很多HR团队上系统之后，产生了一种错觉：系统会自动提升效率。\n自动分发简历、自动安排面试、自动推送提醒、自动生成报表——看起来什么都没落下。但效率这件事，从来不是工具自动完成的。系统不会替你追着业务部门要面试反馈，不会替你判断这个候选人值不值得二面，也不会替你在offer审批环节推动业务决策。\n真正让招聘效率提升的，是人做了正确的事，系统只是把做事的过程变得可追踪、可衡量、可优化。\n那家招聘周期拉长9天的公司，复盘后发现根本原因其实很简单：上线系统后，HR觉得\u0026quot;系统会自动通知业务部门\u0026quot;，就不再像以前一样微信提醒了。结果业务主管等通知、系统等业务主管操作、HR等系统反馈——三方都在等，效率反而崩塌。\n系统让我们误以为\u0026quot;通知到位就等于执行到位\u0026quot;，这是对效率最大的误解。\n一个反例：系统上线后效率掉的坑，怎么爬出来的 说一个我看着走完全过程的案例。\n一家B轮电商公司，2025年Q3上线了ATS系统，选型花了三个月，功能层面的需求全对齐了。结果上线后的第一个完整招聘周期，招聘周期从28天跳到了41天。\nCTO直接拍桌子：你们花几十万买个系统来拖后腿？\nSituation： 公司计划从120人扩到200人，Q3-Q4需要完成80个岗位的招聘。团队决定上ATS来支撑规模化招聘。\nTask： 上线后首月，面试到场率从73%降到51%，offer到入职的转化率从68%降到42%，HR团队每天加班到9点处理系统里的审批流。\nAction： 第四周做了一次全链条流程审计，发现三个堵点：一是面试邀约走的系统模板到了候选人垃圾箱，到场率暴跌；二是offer审批链设定过长，涉及HRBP→HRD→薪酬→业务VP→CEO五层，每层平均滞留1.7天；三是业务主管的面试官权限没开，每次面试确认都要HR介入手动操作。\n做了三件事调整：\n面试邀约改成系统+人工双保险——系统发邮件，HR同步微信提醒 标准岗位offer审批从五层压缩到三层，超出薪资范围的才走长链 批量开通业务主管系统权限，面试反馈48小时未提交自动升级提醒 Result： 调整后一个月，招聘周期从41天压回到28天，三个月后稳定在24天，比上线前还缩短了4天。HR团队加班时长下降60%。\n这个案例给我的启发是：系统上线不是终点，是流程优化的起点。 效率不是系统给的，是不断调出来的。\n上招聘系统前，先过一遍这个自检清单 如果你所在的公司正准备上招聘系统，或者刚上系统正在纠结效率问题的，建议先做这个五分钟的自检：\n流程定义清楚了吗？ 从用人需求提出到offer发放，每一步的负责人、输入输出、时限标准是什么？有没有书面文档？ 数据标准统一了吗？ 面试通过率怎么算、渠道怎么归因、offer状态字段怎么填，你和业务部门是不是同一个理解？ 权限边界划好了吗？ 业务主管能不能自己登录系统看简历、写反馈、查进度？还是每件事都要HR代操作？ 审批链路优化过吗？ 哪些环节必须有人审、哪些可以自动过？链路上每增加一层，周期平均延长多少天？ 有人盯着效率指标吗？ 系统上线后谁负责每周看数据、追堵点、推改进？还是上完就万事大吉了？ 这五个问题过一遍，你大概能判断：你现在的效率问题，到底是系统的问题，还是系统之前就存在的问题。\n如果你还想了解更多关于招聘系统选型和落地的话题，可以看看我之前写的测评系统用上了还在招错人，问题根本不在测评，那篇侧重的是系统功能和用人决策之间的断层。另一个角度是中小企业不花钱上测评系统，反而把招聘做透了，说的是没有系统的情况下怎么靠管理基本功把招聘做透。\n招聘系统能不能提升效率，答案不在系统里，在系统上线前你做了哪些准备。\n","permalink":"https://www.gdrar.cn/posts/recruitment-system-efficiency-reality/","summary":"\u003cp\u003e上半年做了一次招聘系统效率的内部复盘，数据拉出来那一刻，会议室安静了。\u003c/p\u003e\n\u003cp\u003e三家去年上线招聘系统的公司，平均招聘周期不仅没缩短，反而拉长了12%。其中一家更夸张——上线后的首季度，从简历入库到发offer的平均耗时，比上线前多了整整9天。\u003c/p\u003e","title":"招聘系统上线半年效率不升反降，我从数据里翻出了三个盲区"},{"content":"两年前，我带着一套花了三个月选型、预算近四十万的人才盘点系统方案，走进CEO办公室做立项汇报。他翻完方案问了一个问题，我到现在都记得很清楚：「系统上线之后，我凭什么相信它给出的数据比我自己的判断更准？」\n我当时的回答是：系统本身不能替代判断，但能把判断的依据摆到桌面上。\n这个回答不漂亮，但很真实。后来系统确实上了线，踩了不少坑，也拿到了实实在在的结果。今天写这篇文章，就是想用真实经历聊聊人才盘点系统到底能解决什么问题——以及它解决不了的又是什么。\n最大的误解：把管理问题当成了IT问题 接触过几十家导入人才盘点系统的企业后，我发现一个相似的规律：上系统之前，大家最关心的是功能——能不能自动出九宫格、能不能打通HRIS、能不能一键生成报告。上了系统之后，大家发现最痛的从来不是技术问题。\n人才盘点系统本质上解决的是三个层次的断层：\n第一个断层：管理者对人「有感觉没依据」\n绝大多数管理者对自己的团队有判断——谁能力强、谁态度好、谁值得培养。但这种判断是高度个人化的，缺少统一的标尺。业务部门说A很好，HR觉得B更合适，吵了半天发现各自用的标准完全不同。系统在其中起的作用，不是代替管理者思考，而是让所有人用同一把尺子对齐。\n第二个断层：好苗子被日常事务淹没\n这是最常见的情况。一个员工在现岗位上干得不错，他的管理者每天都在为业务指标奔忙，根本没精力去想「这个人三年后能不能带团队」。等到核心岗位突然有人要离职，才慌慌张张到处找人。人才盘点系统的核心价值之一，就是强迫管理者把「想人」这件事从偶发变成定期，从被动变成主动。\n第三个断层：人才投入完全凭感觉走\n很多公司每年花几百万做培训、搞高潜项目，但从来没认真问过：这些投入到底产生了什么回报？哪个高潜项目真正培养出了管理者？哪套培训方案其实在浪费预算？没有数据支撑，这些决策全靠拍脑袋。一套结构化的盘点体系，至少能给这些决策提供指向。\nSTAR案例：一家SaaS公司的人才盘点实践 Situation（背景）\n一家做企业服务SaaS的公司，三年内从120人扩张到近400人。业务涨得很快，但管理层的状态让CEO越来越焦虑——8个核心部门总监，其中5个是从一线提上来的技术骨干，业务能力没话说，带团队的水平却参差不齐。更让人担心的是，这些人下面没有一个能随时顶上去的梯队。\nTask（任务）\nCEO找到我，目标非常明确：在6个月内建立一套能持续运转的人才评价和继任机制，不依赖某一个HR或某一个管理者的个人喜好判断。\nAction（行动）\n我们做了三件事。\n第一，建立一个简洁但统一的九宫格评价框架。业绩维度和潜力维度各设三个层级，所有人都用同一套行为锚定标准来定位，杜绝A部门用业绩、B部门讲感觉的混乱局面。\n第二，组织了三场人才校准会。每场从下午两点开到晚上八点，业务负责人、HRBP和CEO一起过核心岗位的每个人。每个人的评价都必须有具体行为事例支撑——不能说「我觉得他不错」，要说清楚「不错」体现在哪三个具体场景。\n第三，制定关键岗位继任名单，锁定12个人。每个人配了明确的培养任务、时间节点和衡量标准。\nResult（结果）\n18个月后，几个数据摆到了台面上：\n关键岗位内部后备覆盖率从15%提升到62% 两年内提拔的8名中层管理者中，6人绩效达到或超过预期 继任名单上的12人，有4人已成功接任关键岗位 但这个案例最有价值的不是数字。这家公司的CEO后来跟我说，以前他觉得谁行谁不行自己心里有数，校准会开完才发现，自己对组织里人才能力的判断至少有30%是错的。这种认知修正，比系统本身值钱得多。\n上系统之前，先想清楚这三件事 我见过太多企业把人才盘点系统当成一个「买了就能用」的工具。系统能真正跑起来的前提有三个，少一个都不行：\n前提一：高管必须亲自参与，不能甩给HR。\n人才盘点不是HR的项目，是业务管理者的项目。如果CEO不愿意参加校准会，不愿意对每个人才给出自己的判断和评价，系统做出来的数据就是一堆数字垃圾。有人会问具体填什么表格、用什么维度评价，这个不急，先确定高管愿不愿意为这件事花时间。\n前提二：基础数据得先有。\n不要连岗位职责都没理清楚就想做继任计划。先把基础的数据梳理好——组织架构、岗位编制、绩效记录、关键人员任职年限，再把评价标准校准到位。地基没打好就上系统，后患比不上还多。\n前提三：接受不完美，用迭代思维做事。\n没有哪家公司的盘点体系第一轮就完美。系统的价值在于让你看到问题在哪，而不是解决所有问题。接受第一轮盘点可能有30%的数据定位不够精确，坚持做两三个周期，校准的准确度自然会提升。\n附：人才盘点会三张表 给正在计划导入人才盘点系统的团队一份可用的工具模板：\n表一：会前数据准备表 | 准备项 | 数据来源 | 负责人 | 完成时限 | | 最新组织架构和汇报关系 | HRIS系统 | HRBP | 盘点会前1周 | | 近两季度绩效考核结果 | 绩效系统 | HRIS | 盘点会前1周 | | 关键岗任职年限统计 | HRIS | HRBP | 盘点会前1周 | | 年度培训/轮岗记录 | L\u0026amp;D系统 | L\u0026amp;D负责人 | 盘点会前1周 |\n表二：九宫格评价校准标准 | 维度 | 初始级（1分） | 稳定级（2分） | 突破级（3分） | | 业绩结果 | 未达成季度目标 | 持续稳定达标 | 持续超出目标+有标杆案例 | | 潜力空间 | 当前岗位已到瓶颈 | 可承担更大范围职责 | 具备跨职能/跨层级发展潜力 |\n表三：盘点会后跟进表 | 行动项 | 负责人 | 完成时间 | 验收标准 | | 高潜人才个人发展计划 | 业务负责人+HRBP | 会后30天内 | 计划包含具体任务、导师和时间 | | 关键岗位继任者沟通 | CEO+HRD | 会后14天内 | 继任者本人知情且确认发展意愿 | | 低绩效人员改善/调整方案 | 业务负责人 | 会后7天内 | 有明确改善目标和周期 | | 下一季度人才复盘计划排期 | HRD | 会后7天内 | 排入管理层日程 |\n相关阅读：\n人才画像到底是怎么做出来的，我花了三年才找到正确方法 我用五年数据告诉你：人才测评系统到底有没有用 选管理人才不能只看业绩和资历，这三个维度才是试金石 ","permalink":"https://www.gdrar.cn/posts/talent-review-system-problems/","summary":"\u003cp\u003e两年前，我带着一套花了三个月选型、预算近四十万的人才盘点系统方案，走进CEO办公室做立项汇报。他翻完方案问了一个问题，我到现在都记得很清楚：「系统上线之后，我凭什么相信它给出的数据比我自己的判断更准？」\u003c/p\u003e","title":"花了几十万上人才盘点系统，最后发现核心问题根本不是技术"},{"content":"企业做人岗匹配这件事，听起来特别科学——有标准、有维度、有打分，比拍脑袋选人强太多了。\n但我做了十年HR之后发现，很多公司花了大功夫做匹配，实际效果跟没做差不多，甚至更糟。\n这不是说人岗匹配没用。问题在于，大多数人把人岗匹配理解成了「对标签」，而不是「对人的深度理解」。\n一套打分表，真的能把人「算」清楚吗 去年我主导复盘了一家科技公司的算法工程师招聘。这家公司有完整的人才画像体系，每个岗位都有一套打分维度的表单——技术要求、项目经验、教育背景、性格倾向，面面俱到。\n当时一个候选人在匹配表上拿了最高分：技术栈完全吻合，做过两个同类项目，性格测评显示他是典型的「分析型」特质，和团队现有成员非常互补。\n面试官和HR都觉得，这个人简直就是照着画像长出来的。\n结果呢？入职三个月，绩效评估在所有新员工中垫底。不是技术不行——他的代码质量确实不错——问题出在协作方式上。他是深度独立工作型，但团队要求高频沟通和快速迭代。这一点在匹配表上完全看不出来，因为匹配维度的设计默认把「性格倾向」和「工作模式」划了等号，但事实是同一个性格类型的人，在不同的团队文化和管理风格下，表现出来的工作模式完全不一样。\n这个错误的直接成本：招聘费用加三个月的时间损耗，粗略估算至少6万。后来我们重新盘点，发现过去一年类似的匹配偏差，在技术岗上至少占了30%。\n这件事让我开始重新想一个问题：我们到底是在做人岗匹配，还是在做人岗对标签？\n一个STAR复盘：为什么匹配度最高的人反而最不合适 为了让这个案例更完整，我把当时的复盘做了一次结构化梳理。\nSituation（背景）：一家互联网公司算法团队急需补充一名资深算法工程师。公司已经建立了比较完整的人才画像和测评体系，每个岗位配置了10个匹配维度的评分细则。HR团队对新体系的落地效果很有信心。\nTask（任务）：通过这套人岗匹配系统找到最合适的人选，目标是将新员工试用期通过率从当时的72%提升到85%以上。\nAction（行动）：HR与技术负责人共同制定了匹配权重表——技术能力占40%，项目经验占25%，教育背景占10%，性格测评占15%，稳定性预期占10%。候选人完成在线测评和技术面试后，系统自动生成匹配度得分。最高分候选人进入终面并发放Offer。整个流程看起来无可挑剔。\nResult（结果）：候选人入职第2周开始暴露协作问题——无法适应每日站会和持续交付节奏。第8周绩效评估在所有同级新员工中垫底。第12周进入绩效改进计划。相比同期入职的其他新员工，他的任务交付速度慢了近40%，团队需要额外安排资源来承接他的协作缺口。最终估算该次错误招聘的直接和间接损失约8万元，接近他半年薪酬。\n复盘后我们发现，根本问题不在于匹配维度不够多，而在于匹配的设计逻辑是从「静态标签」出发，而不是从「动态场景」出发。\n人岗匹配最大的三个坑 做了十年的招聘复盘，我总结了人岗匹配最常见的三个错误前提：\n第一个坑：把「过往经验」等同于「未来表现」\n绝大多数匹配表的核心权重放在候选人的过往经历上。但经验的迁移效率高度依赖场景的一致性。一个在成熟大厂做搜索推荐的人，换到资源受限、数据基础薄弱的创业公司做同样方向，结果可能完全不同。环境变量变了，同样的能力不一定能复制产出。\n第二个坑：用「性格标签」代替「行为模式」\n很多公司喜欢拿MBTI或DISC的测评结果直接作为匹配依据，但性格类型只是倾向偏好，不是行为定局。我见过太多「ISTJ适合财务但做得痛苦」「ENFP适合市场但产出平平」的反例。性格测评有价值，但它回答的是「偏好什么」，而不是「能不能做」。关于这个话题，我在DISC性格测试到底准不准这篇文章里聊过更详细的案例，有兴趣可以翻翻。\n第三个坑：把「匹配度分数」当决策终点\n匹配度再高的分数，也只说明「表面标签对上了」。它没办法回答「这个人在你的管理风格和团队文化里能不能成活」。这是我花了三年才真正理解的事，也正是在这个过程中重新梳理了人才画像到底是怎么做出来的——画像不是一道计算题，而是一道场景题。\n一份自检清单：你的人岗匹配到底有没有效 下面这份清单，是我后来在自己带过的HR团队里推行的。每次做人岗匹配之前，先老老实实过一遍这五个问题：\n① 匹配维度是从岗位说明书抄来的，还是从实际工作场景里提炼的？\n如果答案是前者，匹配从一开始就是纸上谈兵。正确的做法是：找三个业绩优秀的人和三个业绩普通的人做一次差异分析，看真正区分他们的到底是什么维度——是技术深度，还是问题解决方式，还是对模糊信息的容忍度。\n② 匹配表中是不是漏掉了「环境适应因子」？\n比如：团队沟通频率、管理风格、决策集中度、容错空间。这些因子在标准匹配表里几乎没有出现过，但它们往往是决定存活率的隐形变量。\n③ 匹配度分数是用什么方式聚合的？\n简单加权平均是最常见的做法，但它掩盖了一个问题：如果一个人在技术能力上满分、但在协作方式上严重冲突，加权分依然能把他推到前列。这个分数本身就是误导。建议增加一个「否决项」机制——某些维度不行，分数再高也直接过滤。\n④ 候选人之前的工作场景和你们有多像？\n行业、公司规模、团队成熟度、技术栈生态——任何一个变量差异都会让经验打折扣。我建议单独用一个1-10分的「场景相似度」来做过滤条件，而不是和别的维度混在一起算加权。\n⑤ 有没有做过「反向匹配」？\n常规匹配是「候选人扣公司的标准框」。反向匹配是「公司的环境能不能接住这个人」。包括管理风格是否匹配他的工作偏好、团队节奏是否适合他的输出方式。做反向匹配的团队，据我接触过的数据，招聘准确率普遍提升了20%以上。\n人岗匹配的真相 人岗匹配不是伪科学，但它确实容易被当成伪科学来用。\n它的价值不在于给你一个「就招这个人」的最终答案，而在于帮你排除那些明面上就不适合的人。回到开头那个案例——那家公司后来改了匹配体系，把权重从静态标签转向场景适配度，之后半年的技术岗试用期留存率从68%提升到了83%。\n工具是工具。用得好不好，看的是设计工具的人，对人、对场景、对管理的理解深度。\n你应该用它来提问题，而不是用它来找答案。\n","permalink":"https://www.gdrar.cn/posts/job-matching-science-reality/","summary":"\u003cp\u003e企业做人岗匹配这件事，听起来特别科学——有标准、有维度、有打分，比拍脑袋选人强太多了。\u003c/p\u003e\n\u003cp\u003e但我做了十年HR之后发现，很多公司花了大功夫做匹配，实际效果跟没做差不多，甚至更糟。\u003c/p\u003e","title":"你费尽心思做的人岗匹配，可能从一开始就走错了方向"},{"content":"我一直有一个判断：HR花在做人才画像上的时间，至少有70%是浪费的。因为绝大多数公司做出来的东西根本不是画像，而是一份自我安慰的岗位说明书。\n拿我自己来说，三年前我第一次负责给销售管理岗做人才画像，拿着JD抄了一遍核心能力要求，找业务负责人聊了一个小时，改了几个关键词，就觉得自己搞定了。结果那个岗位招了七个月，来了三个人，全都没过试用期。\n后来我才意识到，问题出在方法上——我把人才画像当成了一次性的写作任务，而不是持续的数据工程。\n真正的人才画像到底怎么做？我用三次完整的迭代复盘，把答案拆出来。\n第一版画像：从头脑风暴到自嗨 当时我做画像的方法很简单：找业务老大聊，他说要什么我就写什么。他说销售管理要「狼性」「目标感强」「抗压能力好」，我一字不差地写到画像里。\n结果呢？这些词放在任何一家公司的销售管理岗上都对，但放在我们公司就不对——因为同样的词，不同的人理解完全不一样。\n业务老大说的「狼性」，是他自己年轻时做销售的那股劲；面试官理解的「狼性」，是简历上有大厂背景的强势风格；最后招进来的那个人，既不是老大喜欢的类型，也不适合当时团队的实际状态。\n这就是第一版人才画像最大的问题：它来自于感受，而不是证据。\n第二版画像：用数据把模糊词翻译成可观察的行为 第一次栽了之后，我开始想一个问题：那些在我们公司干得好的销售管理者，到底有什么共同点？\n我做了两件事。\n第一，拉出过去两年绩效排名前20%的销售管理者名单，一共12个人。第二，逐一翻他们的入职测评报告、季度绩效面谈记录、以及当年面试的评估表。\n然后我开始找共性。不是「抗压能力强」这种抽象标签，而是具体的行为模式——比如他们在面对季度目标调整时做了什么，在团队人员流动时怎么应对的。\n我发现一个规律：这12个人在DISC测评上的分布并不统一，但他们都有一个共同特质——在面对目标和任务时，天然倾向于先做计划再行动，而不是直接冲。用测评的语言说，就是C特质（谨慎型/合规型）在高绩效群体中出现的频率远高于普通群体。\n这个发现让我意识到：人才画像不是靠问出来的，是靠算出来的。测评数据怎么解读才不踩坑，我在人才测评系统到底有没有用这篇文章里详细拆解过。\n第二版画像最大的进步，是把模糊的形容词翻译成了可验证的行为指标。比如不再说「目标感强」，而是具体到「在季度末目标未达成时，主动做数据复盘并调整策略，而不是靠打鸡血激励团队」。\n但这一版也有问题——它太依赖过去的数据，没有考虑业务方向的变化对公司需要什么样的人产生的影响。\n第三版画像：把过去高绩效和未来需要结合起来 做第三版的时候，我加入了一个关键步骤——和业务负责人一起做「未来业务场景推演」。\n不是让他说想要什么样的人，而是让他描述：未来6到12个月，这个岗位面临的最大挑战是什么？团队需要解决的最难问题是什么？\n如果是开拓新市场，那画像里就应该突出「适应模糊」的能力。如果是优化现有团队，那「带教能力」就会比「开拓能力」更重要。\n这一步做完之后，画像的逻辑就变成了：\n过去的数据告诉你：什么样的人在这个体系里能活得好 未来的场景告诉你：什么样的能力组合接下来最重要 两个维度交叉，才是真正可用的画像。\n我用这个方法重新做了销售管理岗画像，然后花了四个月时间，基于画像重新设计了面试评估表、结构化面试问题和行为锚定评分标准。结果怎么样？后面连续录用的5个销售管理者，半年后一个都没走，而且4个人的业绩在团队排名前40%。\nSTAR案例：一次完整的人才画像应用复盘 Situation（背景）：一家B2B业务公司，销售管理岗过去两年平均在职时间只有8个月，团队士气低，离职率高。HR团队做了三版人才画像，都没有明显改善招聘质量。\nTask（任务）：重新构建销售管理岗人才画像，目标是让新招的销售管理者至少做满一年，且半年内能带出稳定业绩。\nAction（行动）：\n拉取过去三年所有销售管理者的绩效数据和离职记录，筛选出高绩效组（在职12个月以上且绩效B+以上，共9人）和低绩效组（在职不足6个月或绩效C以下，共14人）。 对比两组在入职测评（大五人格+DISC）、面试评分和行为面试答题质量上的差异。 发现高绩效组有三个共性：尽责性得分在前30%、面试中展现出「先分析后行动」的决策风格、在面对STAR追问时能提供具体而非笼统的案例。 结合业务负责人对下一阶段「新市场开拓」的业务规划，在画像中加入「应对模糊性」的行为指标。 将画像输出为结构化面试评分表，培训所有面试官如何使用。 Result（结果）：\n新画像投入使用后12个月内，录用的7名销售管理者中6人通过了6个月试用期，通过率85.7% 对比之前53%的半年留存率，提升超过30个百分点 这6人中5人在首次年度绩效评估中获得B+以上评级 团队年化离职率从46%下降到22% 面试和测评数据怎么协同使用、交叉验证选人判断，我在面试和测评哪个更适合用来选人这篇文章里展开聊过，跟画像的思路是一个体系。\n五步人才画像构建模板 如果你也想从头做一个真正可用的画像，这个五步模板能直接上手：\n第一步：数据收集\n拉取该岗位过去至少12个月的绩效数据，筛选高绩效组（前20%）和低绩效组（后20%），每组不少于5人。如果公司规模小、数据量不够，可以把时间窗口拉到两年，或者把相似岗位的数据合并分析。\n第二步：特征提炼\n对比两组在测评数据、面试评分、行为案例方面的差异，找出3到5个区分度高且可观察的特征。核心判断标准是：这个特征能不能被两个不同的面试官独立判断且给出相近的评分。\n第三步：行为化翻译\n把抽象的能力词翻译成具体可观察的行为描述。\n抽象词 行为化翻译 抗压能力强 在连续两次丢单后能快速调整策略并向下一个客户推进 沟通能力好 能在跨部门会议上主动提出不同意见并推动达成共识 执行力强 接到任务后24小时内输出执行计划并同步给相关方 第四步：场景验证\n和业务负责人做一次未来业务场景推演，问三个问题：\n接下来6到12个月，这个岗位要解决的最大问题是什么？ 解决这个问题需要候选人具备什么能力？ 如果画像上的能力和业务需求不匹配，优先改哪一边？ 第五步：评估工具化\n把画像输出为结构化的面试评分表、行为追问题库和行为锚定评分标准。这一步最容易偷懒，但也最关键——画像做得再好，面试官不用等于零。\n这套模板我后来在公司内部推广了，六个核心岗位用下来，平均面试通过率没有明显变化，但半年内离职率从34%降到了19%。\n最后说两句 人才画像不是一蹴而就的。说实话，我第一版、第二版做得都不怎么样，真正起作用的是第三版。如果你现在的画像用起来效果不好，别急着换工具，先回头看看你的画像到底是怎么做出来的。\n问题往往不是画像本身，而是做画像的方法。\n","permalink":"https://www.gdrar.cn/posts/talent-profile-creation-process/","summary":"\u003cp\u003e我一直有一个判断：HR花在做人才画像上的时间，至少有70%是浪费的。因为绝大多数公司做出来的东西根本不是画像，而是一份自我安慰的岗位说明书。\u003c/p\u003e\n\u003cp\u003e拿我自己来说，三年前我第一次负责给销售管理岗做人才画像，拿着JD抄了一遍核心能力要求，找业务负责人聊了一个小时，改了几个关键词，就觉得自己搞定了。结果那个岗位招了七个月，来了三个人，全都没过试用期。\u003c/p\u003e","title":"人才画像到底是怎么做出来的，我花了三年才找到正确方法"},{"content":"企业到底该怎么选管理人才？这个问题我问过自己很多次，答案一直在变。直到今年我把过去五年参与过的50多例管理者选拔数据重新拉出来做了复盘，才得到一个让自己信服的结论：绝大部分企业选错管理人才，不是因为标准太低，而是标准本身就偏了。\n一个在公司干了八年、业绩始终排前三的业务骨干，被提拔为部门负责人后，团队半年内走了三个人，部门业绩下滑了12%。这个案例在我的复盘表格中反复出现，已经多到不值一提了。\n业绩和资历，恰恰是预测管理成功最不可靠的两个指标。\n不是说不重要，而是绝大多数企业在选管理人才时，几乎只依赖这两个指标。面试时问得最多的是\u0026quot;你过去带过多大的团队\u0026quot;\u0026ldquo;你完成了多少业绩\u0026rdquo;，好像业绩好的人天然就会管人。但数据告诉我，从业务骨干到合格管理者的转化率，远没有企业想象得那么高。\n后来我逐渐梳理出一套更接近真实管理场景的判断维度。这套方法不一定能保证选对人，但至少能让你在面试和内部晋升时，少犯一些代价高昂的错误。\n维度一：决策判断力——不是看多快做出决定，而是看怎么处理信息 很多企业在选管理层时，特别看重候选人\u0026quot;果断不果断\u0026quot;。面试时一个人表现得干脆利落、表态明确，面试官就容易给他打高分。\n但真正做过管理的人都知道，管理岗位上的大多数决策，不是A和B选一个那么简单。更多的时候，是信息不完整、资源有限、各方利益冲突的情况下，必须做一个无法让所有人满意的选择。\n我总结了一个判断方法，叫\u0026quot;三源追问\u0026quot;——在面试中给候选人一个真实的决策场景，然后追问三个层次的问题：\n第一层：你当时掌握了哪些信息？ 第二层：有哪些信息是你当时不知道、但事后回想起来很重要的？ 第三层：如果信息不完全，你凭什么做了那个决定？\n能答好这三个问题的人，才是真正有决策判断力的人。 只回答第一层说得天花乱坠的，往往是靠运气做决策；能主动说出第二层和第三层的，说明他在复盘自己的思维过程。\n去年我面试一个运营总监候选人，他讲了一个区域市场策略调整的案例。第一层回答得很漂亮——数据充分、逻辑清晰。但我追问第二层时，他想了十几秒，然后说：\u0026ldquo;当时我其实忽略了一个竞品正在做的促销活动，这个信息是事后复盘才发现的。\u0026ldquo;第三层他接着说：\u0026ldquo;所以我现在要求团队在做策略前，必须做竞品动作推演，不能只看自己的数据。\u0026rdquo;\n这个人后来入职了，带团队的表现确实稳定。他做决策不是靠\u0026quot;感觉果断\u0026rdquo;，而是靠知道自己的盲区在哪。\n维度二：团队杠杆力——自己干得再好，不如让团队变强 这是区分业务骨干和管理者最核心的分水岭。\n业务骨干的价值是加法——一个人的产出取决于他个人的能力上限。管理者的价值是乘法——他的产出取决于他能把团队的能力放大多少倍。\n但很多企业在选管理人才时，根本不去评估候选人的\u0026quot;杠杆力\u0026rdquo;。面试时问的全是他个人做了什么、完成了什么业绩，很少问团队在他接手前后发生了什么变化。\n我有一个很简单的面试问题，叫\u0026quot;前任对比法\u0026quot;：你接手这个团队之前，团队的绩效是什么样的？你接手之后，除了你个人带来的变化，团队整体的能力水位有没有提升？如果你走了，这个团队还能不能持续运转？\n真正的管理者，会把\u0026quot;让自己变得可有可无\u0026quot;作为目标。 不是他不在团队就转不动，而是他在的时候团队在变强，他离开的时候团队不至于垮掉。\n之前我写过一篇关于管理岗招聘错配的分析，里面提到的一个案例就是一个超级业务员被提拔后，团队其他人反而越来越不会干活了。那个案例让我开始重视\u0026quot;团队杠杆力\u0026quot;这个维度。\n维度三：承压复原力——不是看扛不扛骂，而是看扛完之后怎么恢复 管理岗位的压力和一线岗位完全不同。一线岗位的压力主要是任务导向的——这个月业绩能不能完成、这个项目能不能按时交付。管理岗位的压力是多维的——上级要结果、下属要资源、跨部门要配合，所有的矛盾最后都会汇聚到管理者这里。\n很多管理者不是能力不行倒下的，是被压力压垮之后自己走的。\n所以在选管理人才时，我特别关注候选人的\u0026quot;复原模式\u0026quot;——不是问他扛不扛压（这个问了也白问，没人会说自己扛不住），而是看他在过去的工作中，经历了一次比较大的挫折或失败之后，接下来三个月做了什么。\n复原力强的人，会有三个明显的信号：\n有具体的复盘动作，不是嘴上说\u0026quot;我学到了\u0026quot; 有行为调整，同样的错误不会犯第二次 情绪恢复周期短，不会因为一次失败就变得保守犹豫 复原力弱的人，要么把失败原因全部归到外部，要么在失败后变得畏首畏尾、什么事都要请示汇报。\nSTAR案例：一次用三个维度做判断的真实选拔 去年年中，公司需要从两个销售总监候选人中选一个接管华东大区。两人都是内部晋升候选人，背景非常接近。\nSituation（情境）： 华东大区过去两个季度业绩持续下滑，核心团队流失严重，区域总监突然离职，急需一个能稳定局面的人。\nTask（任务）： 从两位候选人中选出最适合接管华东大区的人。\n候选人A：在公司干了六年，华东区出身，个人业绩连续三年排区域前三，面试表现非常自信，对华东市场的问题分析得头头是道，明确表态\u0026quot;给我三个月，业绩一定能拉回来\u0026quot;。\n候选人B：在公司干了四年半，个人业绩排在区域中上水平，不是最拔尖的。面试时对华东的问题没有立刻给出解决方案，而是说\u0026quot;我需要先去和团队聊一圈，看看数据，再给你一个方案\u0026quot;。\n当时大部分面试官倾向A——业绩好、表态坚决、有气势。\nAction（行动）： 我坚持用三个维度再做一次交叉评估。\n决策判断力：A对华东市场的问题分析虽然全面，但几乎都是\u0026quot;事后复盘\u0026quot;级别的洞察——问题是什么、为什么出问题，说的都很对，但问到他当时在自己区域做决策时有什么盲区，他说不上来。B在分析时主动说了一条自己过去判断失误的经历——他曾经因为高估客户转化率导致团队资源浪费，后来调整了预测模型。这一项B得分更高。\n团队杠杆力：A在过去三年里培养过一个下属升为区域经理，但团队整体流动率偏高。B在任职期间培养了三名下属晋升，他离开时的团队绩效比他接手时提升了约30%，而且接替他的人过渡非常顺利。这一项B明显领先。\n承压复原力：A过去一年几乎没有明显的失败案例（或者他不愿意讲）。B分享了一个丢单的经历——丢了一个千万级客户后，他没有立刻调整策略，而是花了两周时间带团队做了完整的输单复盘，然后重新规划了客户分层策略，接下来一个季度追回了80%的业绩。\nResult（结果）： 最终推荐了B。B接管华东大区后，前两个月主要在做团队沟通和数据分析，没有急于出业绩。第五个月开始，区域业绩环比增长18%，团队流失率为零。半年后，华东大区成为公司增长最快的区域之一。\n附：管理者潜力评估面试清单 面试管理岗位候选人时，除了常规问题，建议加入以下追问：\n决策判断力评估：\n请讲一个你做过的最难的决策。难在哪里？ 做那个决策时，有哪些信息是你不确定但必须假设的？ 如果今天让你重新做一次，你会改变什么？ 团队杠杆力评估：\n你接手团队之前和之后，团队的整体绩效发生了什么变化？ 你培养过几个人晋升或成长为独当一面的人？具体是怎么做的？ 如果你突然被调走，你的团队会发生什么变化？ 承压复原力评估：\n讲一个你过去两年中最大的工作失败或挫折。 那件事之后，你做了什么具体的改变？ 那次失败对你现在做决策有什么影响？ 这套问题不一定能筛出完美的管理者——管理这件事本身就没有完美。但它能帮你在选管理人才时，把注意力从\u0026quot;这个人看起来行不行\u0026quot;转移到\u0026quot;这个人到底有没有管理者该有的底层能力\u0026quot;上。\n如果选管理层这件事正在让你头疼，建议结合我之前写的关于管理岗入职后失败根因的复盘一起看。选对了人只是第一步，怎么帮他活下来并且干好，是另一件同样重要的事。\n","permalink":"https://www.gdrar.cn/posts/management-talent-selection-criteria/","summary":"\u003cp\u003e企业到底该怎么选管理人才？这个问题我问过自己很多次，答案一直在变。直到今年我把过去五年参与过的50多例管理者选拔数据重新拉出来做了复盘，才得到一个让自己信服的结论：绝大部分企业选错管理人才，不是因为标准太低，而是标准本身就偏了。\u003c/p\u003e","title":"选管理人才不能只看业绩和资历，这三个维度才是试金石"},{"content":"管理岗招进来干不好，大多数企业第一反应是——选人出了问题。\n但过去两年我复盘了23个管理岗失败案例，发现了一个让我自己都没想到的结论：超过六成的管理岗失败，根因不在选人环节，而在入职之后。\n具体说，是入职后的三个关键断层，把原本看起来靠谱的管理者推向了失败。\n断层一：角色定义模糊，管理者变成了「夹心层」 这是最常见也最隐蔽的问题。\n很多企业招管理岗的时候，JD上写着「全面负责XX部门的日常管理和业务推进」，听起来权限清晰。但实际入职后，管理者发现自己卡在了一个尴尬的位置上——\n上级没有说清楚多大的决策可以自己做，多大需要汇报。跨部门协调的时候，其他部门负责人不买账。团队里的人不确定该听谁的，因为在员工看来「这个新来的领导还没站稳」。\n我复盘的一个案例特别典型。\n一家做电商运营的公司，招了一个运营总监。面试的时候老板非常认可，说「运营这边你全权负责，我不过问细节」。结果入职第一周，老板就在没有通知总监的情况下，直接给运营团队安排了一个促销活动。团队成员按老板的指示执行了，总监完全不知情。\n总监去找老板沟通，老板说「哦那个事啊，我临时想的，你就按这个方向继续做就行」。一个月内这样的事情发生了四次。团队开始形成两套指令系统——老板说一套，总监说一套。入职第三个月，总监发现自己变成了一个传话筒，根本做不了任何实质性的管理决策。\n入职半年后，总监主动离职了。\n这不是能力问题，是角色和权力的边界从一开始就没有被定义清楚。\n很多老板的误区是：招一个管理岗进来，就默认他知道该做什么、能做什么。但事实上，管理者的权力不是JD赋予的，而是组织结构、授权机制和上下级共识共同决定的。这些东西不明确，再强的管理者也是带着镣铐跳舞。\n断层二：给了管理的责任，没给管理的权力 第二个断层跟第一个紧密相关，但更具体。\n我观察到一种非常普遍的现象：企业招了一个管理者，把团队业绩指标压在他身上，但在人、财、事三个关键维度上，几乎不给他任何实质性的决策权。\n招人——他说了不算，HR和老板定了最终人选。 调薪——他说了不算，薪酬体系是公司统一的。 流程——他说了不算，已有的工作方式要按老规矩来。 团队调整——他更说了不算，动一个人要层层审批。\n但业绩要他来扛。\n这种权责不匹配，在空降管理者身上尤其明显。老团队的人有自己固有的工作方式和利益格局，一个空降的管理者想要推动任何改变，都需要付出巨大的政治成本。\n我见过最极端的一个案例，是一个快消企业招来的市场总监。入职后他发现市场部的预算审批权在财务总监手里，一个5000块以上的投放就要走三层审批。他花了两周时间梳理了一套新的预算分配方案，可以提高30%的投放效率，结果方案在部门会议上被业务VP当场否决，理由是「以前就是这么做的」。\n半年后这个市场总监走了，留下一个被反复否定的方案文件夹。\n这类案例看多了，你会慢慢意识到：管理岗招聘中的很多失败，表面看是选错了人，深层看是组织根本没有准备好接纳一个管理者。权责不匹配的环境里，谁来都是死。\n断层三：管理风格和企业文化发生「隐性冲突」 第三个断层最容易被忽视。\n面试的时候，面试官和候选人聊战略、聊经验、聊行业认知，很少有人会认真讨论一个话题——你的管理风格和我们公司的文化匹配吗？\n但这个问题恰恰是管理岗能否存活的关键。\n我复盘的数据里，有一个让我印象极深的案例。一家互联网内容公司，团队文化非常扁平，大家习惯了开放式办公、自由讨论、自下而上的决策方式。公司招了一个来自传统制造业的运营总监，之前管过上百人的团队，经验丰富。\n入职第一个月，总监要求在团队推行周报制度和每日站会。团队觉得多余——大家平时都在一个开放空间里办公，每天做什么互相都看得到。但总监坚持这是管理的基本功。双方在这个问题上拉扯了三周，总监觉得团队没有执行力，团队觉得总监官僚作风。\n最严重的一次冲突是，总监在会议上直接点名批评了一个员工，用的是他在制造业的管理方式——公开批评、当场指出问题、要求限期整改。那个员工当场没说什么，第二天就提了离职。团队其他人私下找到HR，说「这个领导的管理方式我们接受不了」。\n最后结果是双方都痛苦——总监觉得自己的管理方式得不到尊重，团队觉得来了一个「官气太重」的领导。入职第四个月，总监被劝退了。\n这个案例让我深刻理解了一个道理：管理岗失败的原因很多时候不是这个人不会管，而是他的管法跟这个组织的文化不兼容。没有绝对正确的管理风格，只有适不适合。\nSTAR案例：一次管理岗成功落地的完整复盘 失败的案例看多了，我想分享一次真实的成功案例，反向验证这三个断层。\nSituation（背景）\n一家B2B科技公司，销售团队从15人扩张到40人，原来的销售经理管不过来，需要招一个销售总监来搭管理体系。公司此前招过两任销售总监，都在半年内离职了，原因高度一致——老板不放权、团队不服管。\nTask（任务）\n第三任销售总监入职前，我做了一次全面的组织诊断，发现前两任失败的核心原因不是人不对，而是三个断层全部踩中了。这次的任务是从组织层面先把断层补上，再让人进来。\nAction（行动）\n做了四件事。\n第一件事，入职前和CEO做了一次深度对齐，明确了销售总监在预算、人事、流程三个维度上的具体权限边界。什么级别的决策可以自己做、什么需要报批、什么需要知会CEO，全部白纸黑字写下来。\n第二件事，在设计组织结构时，明确销售总监和CEO之间的汇报和沟通频率，CEO承诺不在未经沟通的情况下直接给销售团队下指令。\n第三件事，入职前两周安排了「文化浸润期」，让总监和销售团队的一对一沟通覆盖率达到100%，充分了解每个成员的工作方式和期望。\n第四件事，第一周就让总监主导一个小的业务决策，CEO在会上明确表态支持，向团队释放信号——这个人是有实质权力的。\nResult（结果）\n这位销售总监入职后顺利度过了前六个月的关键期。团队业绩在入职后第一个季度环比增长了23%，第二个季度增长了31%。一年后销售团队扩张到55人，没有出现因管理风格冲突导致的非正常流失。\n管理岗落地检查清单 如果你正在准备招一个管理岗，或者刚招了一个管理者，以下这份清单可以帮助你自查组织层面的准备度。每个问题如果回答「否」，就需要在入职前解决。\n角色定义阶段（入职前完成）\n这个管理岗位的决策权限边界是否已有书面确认？ 上级负责人是否清楚哪些事需要授权、哪些事自己保留？ 是否和其他部门负责人就协调方式做过沟通？ 权力匹配阶段（入职第一周）\n管理者在团队人事安排上是否有建议权或决定权？ 预算审批流程是否需要为一个新管理者做临时调整？ 是否有明确的「不能绕过管理者直接下达指令」的规则？ 文化适应阶段（入职前两周）\n是否安排过管理者和团队的深度一对一沟通？ 是否和候选人充分讨论过他的管理风格和公司文化的匹配度？ 团队是否清楚新管理者的角色和职权范围？ 追踪复盘阶段（前三个月）\n是否有固定的复盘节奏（比如每月一次）跟管理者沟通落地情况？ 第一个月有没有安排一个容易成功的「速赢项目」帮他建立威信？ 如果出现冲突，是否有中立的协调人（HRBP或上级）介入？ 写在最后 很多企业招管理岗的时候，把所有的精力都投入到了选人环节——简历筛选、多轮面试、背景调查、测评报告。这些当然重要，但只做对了一半。\n另一半，是组织层面的准备。角色是否清晰、权力是否匹配、文化是否兼容。这三件事没想清楚，选人的环节做得再好，管理岗也大概率走不远。\n选对人只是起点，让人真正站住、干出结果，靠的是组织机制。\n","permalink":"https://www.gdrar.cn/posts/management-role-failure-root-causes/","summary":"\u003cp\u003e管理岗招进来干不好，大多数企业第一反应是——选人出了问题。\u003c/p\u003e\n\u003cp\u003e但过去两年我复盘了23个管理岗失败案例，发现了一个让我自己都没想到的结论：\u003cstrong\u003e超过六成的管理岗失败，根因不在选人环节，而在入职之后。\u003c/strong\u003e\u003c/p\u003e","title":"管理岗不合适的原因不止选错人，入职后的三个致命断层"},{"content":"季度管理岗招聘复盘报告摆在桌上的时候，数字很难看。\n过去两个季度，公司新入职的8位中层管理者，有5位在试用期内被评估为「低于预期」。其中两位在第六个月选择了离职，一位被调岗，剩下两位虽然留下来了，带的小组业绩指标完成率不到60%。\n这8个人，简历每一个都漂亮。面试的时候，每一个都让人觉得「就是他了」。\n问题出在哪？\n我们一直在用「选优秀员工」的标准来「选管理者」。这两套标准根本不是一回事。\n业务冠军不等于团队领袖 这是管理岗招聘里最隐蔽也最致命的错配。\n我复盘了最近三年的管理岗招聘失败案例，发现一个规律：超过70%的失败案例，候选人都具备一个共同特征——在上一份工作中是顶级的业务执行者。\n顶级销售、顶级工程师、顶级项目经理。简历上数据亮眼，面试时对业务细节对答如流。面试官几乎本能地给出高分。\n但管人这件事，需要的是一套完全不同的能力。\n我带过的一个案例很典型。候选人A，之前在行业内一家头部公司做技术组长，带过5人小团队。面试时技术问题答得滴水不漏，谈团队管理也有一套自己的方法论，听起来逻辑严密。入职做技术经理，带12人团队。\n前两个月一切看起来正常。第三个月开始暴露问题：团队内部分工混乱，核心成员先后提出离职，项目延期率从入职前的15%飙升到45%。\n我和他做了一次深入的绩效面谈，发现问题的核心是他依然在用「自己干」的方式带团队——遇到复杂问题第一反应是自己上手解决，而不是调动和培养下属。他组里的两个高级工程师，半年内几乎没有得到任何有挑战的任务分配，全在打杂。\nSituation：公司技术部扩张，需要一个能独立带12人团队的技术经理。团队构成复杂，包括3个高级工程师、5个中级和4个初级开发。\nTask：候选人需要在3个月内完成团队整合，建立有效的任务分配和人才培养机制，确保项目交付质量不下降。\nAction：候选人入职后，实际采取的行动是事必躬亲。他亲自参与了每一个核心模块的代码审查和部分开发工作，但忽视了团队分工和人员培养。高级工程师被安排了大量低价值维护任务，新人完全没有成长规划。\nResult：入职半年后，团队核心成员流失2人，项目延期率从15%上升到45%，团队满意度评分从4.2分降到2.8分（5分制）。最终在第七个月协商离职，直接招聘成本加上团队生产力损失，估算超过40万元。\n这个案例让我彻底明白了一件事：业务能力强弱，和管理能力高低，是两条完全独立的评价维度。\n管理岗面试最隐秘的表演陷阱 为什么面试时表现那么好的人，入职后管不好团队？\n我做了一个小实验：把过去两年的管理岗面试录像翻出来重新看了一遍。发现了一个让我后背发凉的模式——\n面试中表现「完美」的候选人，入职后管理失败率反而更高。\n原因不复杂。管理岗面试中常见的追问方向是业务逻辑和行业认知，这些问题对有经验的人来说几乎可以「背答案」。真正能暴露管理能力的追问，绝大多数面试官根本没问到。\n比如我问过很多面试官一个问题：「你问过他之前带团队时，绩效最差的那个人后来怎么样了么？」\n绝大多数人摇头。少数人说问了，但候选人回答了一套标准流程——设置改进计划、定期沟通、设定目标。听起来无懈可击。\n直到我学会追问一个细节：「那个人的名字你还记得吗？你最后一次和他做一对一沟通是什么时候？他当时说了什么？」\n能答出具体细节的，才是真正做过管理的人。答不出来的，那个改进计划大概是他替下属编写的，连面都没见过。\n这个问题的杀伤力，我在后续的面试中反复验证过。用这个方式筛掉了至少3个面试表现满分、但实际管理经验为零的候选人。\n管理岗面试追问清单 这是我后来整理的一份清单，每一条都是从失败案例里长出来的教训：\n1. 人员管理细节追问\n你最近一次给下属做绩效反馈，具体说了什么？ 团队里两个人公开冲突，你介入还是不介入？给个真实案例。 你手下最让你头疼的那个人，你尝试过几种方法？效果如何？ 2. 团队建设能力追问\n过去一年你亲自培养的下属，有晋升的吗？你做了什么具体动作？ 你团队的新人，一般多久能独立承担任务？你怎么判断他准备好了？ 3. 决策模式追问\n你做过最艰难的一个用人决策是什么？为什么艰难？结果如何？ 业务目标和管理目标冲突时，你怎么选？举个例子。 4. 自我认知追问\n你觉得管理这件事上，你最不擅长的环节是什么？ 你的下属会在什么事情上质疑你的判断？他们说得对吗？ 这套清单我现在要求每一位参与管理岗面试的面试官必须至少从中选3个提问。效果立竿见影——之后的两个季度，管理岗试用期通过率从之前的37%提升到了71%。\n测评是地图，追问才是探针 有人问我：测评系统都用上了，为什么管理岗招聘还是踩坑？\n我的答案是，工具能帮你看清一个人的行为倾向和认知风格，但无法替你判断他是否真的管理过团队、是否真正理解「通过别人完成工作」这件事。测评是地图，面试追问才是探针。地图再精确，探针扎不到关键位置，照样找不准人。\n这些年我最大的感触是：很多错误招聘的根源不在工具，而在判断标准本身。我们太容易被简历上的光环、面试时的口才和行业头衔说服，却忘了问一个最基本的问题——这个人过去到底是怎么带人的？\n管理岗招聘踩的坑，十个有八个出在面试环节问错了问题、看错了重点。标准错了，再好的工具也救不了。\n标准对了，人的判断力才会跟着对。\n","permalink":"https://www.gdrar.cn/posts/management-hiring-mismatch-traps/","summary":"\u003cp\u003e季度管理岗招聘复盘报告摆在桌上的时候，数字很难看。\u003c/p\u003e\n\u003cp\u003e过去两个季度，公司新入职的8位中层管理者，有5位在试用期内被评估为「低于预期」。其中两位在第六个月选择了离职，一位被调岗，剩下两位虽然留下来了，带的小组业绩指标完成率不到60%。\u003c/p\u003e","title":"管理岗招人最大的错配：业务强不等于会管人，我用三次失败复盘明白了"},{"content":"客服中心每年花在招错人上的钱，比大多数管理者想象的要高得多。\n我说的是真实成本，不是招聘平台上那个「人均招聘成本」的指标——那个数字我见过，大部分公司只算了渠道费和面试官的时间成本，顶多再加个培训费，摊下来一个人一两万，看起来好像还能接受。\n但这种算法就像只看冰山露出水面的尖角。\n去年年底我做客服中心年度复盘的时候，把所有跟「人」有关的成本数据拉了一遍。不看不知道，真正算下来，一个招错的客服在一到两年内造成的综合损失，保守估计在8到15万之间。如果是一个招错的管理岗，这个数字可以轻松翻倍。\n这篇文章我就跟你算算这笔账，也说说我踩过的坑。\n先说说那些看得见的钱 先别急着算隐性的，咱们把明面上的先理清楚。\n一个客服从确定编制到最终独立上岗，大致经过以下环节：\n招聘渠道投放：综合招聘平台+垂直渠道+内推奖励，分摊到每个人头上大约800~1500元 面试评估：HR一面+业务二面，面试官时间折算下来300~500元 入职体检+背景调查：200~400元 入职培训：一周到两周的集中培训+跟岗带教，培训师时间+场地+资料摊销，大约3000~5000元 带教期的效率损失：新人前两到三个月的产出只有成熟员工的40%60%，这部分折算成薪资成本大约是40008000元 把这些加起来，一个客服从招来到真正独立上手，企业投入大约是1万到1.5万。\n如果是管理者，成本还要再翻一倍不止。\n这就是大多数公司算账的终点。招错一个人，损失一万多，听起来虽然肉疼，但还在「能忍」的范围内。\n问题是真正的成本根本不在这里。\n隐性成本第一条：客户流失 客服是离客户最近的人。一个不合适的客服，在每天面对几十上百个客户的过程中，持续地、反复地在伤害客户关系。\n我之前复盘过一个真实案例：某电商客服团队招了一个接线员，面试时沟通表达非常好，逻辑清晰，所有人都觉得是个人才。但上岗后发现，这个人最大的问题是「共情能力几乎为零」——客户情绪激动地投诉时，他的第一反应永远是「按照流程来说，这个不能处理」，而不是「我理解您的情况，我们一起想办法」。\n三个月内，他的客户满意度评分始终排在团队末尾，客诉升级率是团队平均水平的2.3倍。\n我们对这三个月里经他手的所有客诉做了追溯，统计出多少客户因为不满意而申请退款或关闭账户。数据触目惊心——保守估算，他一个人造成的直接销售损失超过了6万元。\n而他入职一共花了公司不到1.3万。\n一个招错的人，光在客户流失这一项上，就能造成招聘成本4~5倍的损失。\n隐性成本第二条：舆情和投诉升级风险 做客服管理的都知道，最怕的不是普通客诉，而是客诉升级成舆情。\n我之前带过一个团队，有个新人入职不到两个月，接到一个客户的投诉电话。客户买的产品有小瑕疵，情绪比较激动，说话不太好听。这个新人被骂急了眼，在电话里直接回了一句「那你去投诉好了」。\n客户挂了电话就发了微博，截图了聊天记录，配上文字说「某品牌的客服态度恶劣，完全不解决问题」。那条微博当天晚上被转了两千多次。\n虽然最后公关团队出面处理了，但这件事情造成的品牌形象损失和后续处理成本，远远超出了一个人的工资。\n我之前写过一篇关于客服岗位性格要求的文章，里面提到过一个数据：我们客服中心一年的离职率曾经高达68%。后来复盘发现，很多离职和客诉升级事件，根源都卡在同一个环节——招进来的人不是不能干，而是不适合干。\n不合适的客服在高压情境下的应对方式，往往是灾难性的。\n隐性成本第三条：团队腐蚀 这一条是很多HR最容易忽略的。\n招错一个人，不只是多了一份无效的人力成本，还会在团队里制造「毒性效应」。\n我亲身经历过一个案例。我们某分部客服中心紧急招了一个客服组长，面试时表现得特别有管理热情，讲起团队管理一套一套的。入职后才发现，这个人管理风格极其强势，对新人不耐烦，对老员工猜忌，每周的团队例会变成了批斗会。\n一个月内，组里三个老员工提出转岗申请。半年后，这个组12个人走了7个，其中4个是业务能力最成熟的骨干。\n留下的几个人也心不在焉，整个小组的客诉处理效率掉了将近30%。\n我看过一份跨国客服机构的研究报告，里面提到一个数据：一个不合格的管理者加入团队后，平均会导致团队效率下降22%~35%，人员流失率上升2到3倍。这些损失虽然不会单独列在任何一张财务报表里，但它是真实的——因为你要重新招人、重新培训、重新等新人的产出爬坡。\n一个真实的STAR案例 说一个让我印象最深的案例，也是我后来推动客服招聘改革的原因。\nSituation：2024年Q2，公司某分部客服中心因为业务量激增，急需补充一名客服主管。正常招聘周期需要6到8周，但业务部门催得急，只给了4周时间。在时间压力下，面试标准一降再降，最终招了一位面试表现特别主动、自评「带过五十人团队」的候选人A。\nTask：A需要负责一个12人的客服小组，管理日常排班、客诉升级处理、质检抽查和新员工带教。该小组当时正处于业务压力最大的时期，人均日处理量已经接近饱和。\nAction：A入职第一周看起来一切正常，但从第二周开始逐步暴露出问题。第一，他对客诉升级的判断标准极不稳定——同一个类型的投诉，今天他决定升级处理，明天又让组员自行消化，组员完全摸不到规律。第二，他几乎不做书面管理记录，每周的质检数据和人员反馈全是口头交代，月底复盘时拿不出任何可供追溯的数据。第三，他对组内老员工的态度越来越强硬，两个入职三年以上的老员工先后找他沟通排班问题，他的回应是「不想干可以申请调岗」。\n我在第三周接到其中一个老员工的跨级反馈，介入后发现事态已经相当严重。\nResult：A在职共计7周，7周内12人小组走了4人——其中两人是连续两个季度绩效A的骨干。小组客户满意度评分从87分跌到61分，客诉升级率从8%飙升至23%。A离职后，我重新梳理了这7周的全部损失：4个岗位的重新招聘和培训费用约4.8万；因客诉升级造成的赔偿和订单流失约12万；4名老员工离职后的业务断层导致小组效率连续两个月不到正常水平的60%，折算约18万；加上招聘A本身的成本约1.2万。\n总计超过36万元。\n而这36万，在A入职之前，原本是可以避免的。\n怎么避免这种损失？一套客服招聘的面试评估清单 那次之后，我重新设计了客服岗位的招聘评估流程。核心改动只有一个：面试时不再只看「沟通能力」和「服务意识」这两个抽象标签，而是用结构化的问题去还原候选人在真实工作场景中的行为模式。\n以下是我现在面试客服岗位时必问的六个评估维度，附带具体问题：\n1. 情绪隔离能力\n很多HR面试客服喜欢问「你抗压能力怎么样」，这个问题基本没用——没人会说自己的抗压能力差。\n换一种问法：\n请你回忆一次被客户无理责骂的经历。当时你心里是怎么处理自己情绪的？骂完之后你多长时间恢复了正常工作状态？\n观察重点：候选人是否能把「客户的愤怒」和「自我价值」分开，还是会把投诉当成个人攻击。\n2. 规则边界感\n客服每天面临大量「按流程办 vs 特事特办」的灰色决策。面试时可以给一个情景：\n客户购买的产品超期3天，按照规则不能退货，但客户反复打电话表示不满意，说要到社交媒体上曝光。你会怎么处理？\n观察重点：候选人的处理路径是「先想办法解决问题」还是「先搬出规则推卸责任」——前者可以培养，后者很难纠正。\n3. 挫折复原速度\n客服工作一个接一个的电话，上一个客户骂完你，下一个电话你还要笑着说您好。不是每个人都能做到的。\n你过去工作中，有没有遇到过一天之内连续被客户投诉或批评的情况？你是怎么调整的？\n观察重点：候选人是否有具体的调整方法（比如写日志、深呼吸、短暂离开工位），还是笼统地说「睡一觉就好了」。\n4. 逻辑拆解能力\n请把这个客户投诉拆成几个关键信息点，告诉我你认为的处理优先级是什么。\n可以现场给一个真实的客诉场景，观察候选人能不能快速抓住核心矛盾。\n5. 协作边界判断\n碰到自己解决不了的问题时，你通常会怎么做？请举一个你向上求助的真实例子。\n观察重点：求助的时机和方式——是死撑到最后一刻才开口，还是有判断地、在适当的时候找对的人。\n6. 对重复工作的耐受度\n客服工作有很多重复性质的内容。你如何看待这种重复性？你过去在重复性工作中找到过自己的节奏或乐趣吗？\n观察重点：候选人是对重复工作有真实的理解和接纳，还是在面试阶段就流露出不耐烦。\n这套评估清单不一定需要全部在面试中走完。我自己的做法是：前三个维度在初筛阶段重点观察，后三个维度在复试中由业务负责人来做判断。\n我之前复盘过所有错误招聘的共同规律，其中一个核心结论就是：招错人从来不是因为面试不够严，而是选人逻辑本身就偏了。客服岗位尤其典型——我们太容易被「能说会道」的候选人打动，却忽略了那些真正决定客服长期表现的关键特质。\n算完这笔账之后，我们改了什么 那次36万的教训之后，我在客服中心推动了三项改变：\n第一，客服岗位必须做结构性面试，禁止只用非结构化闲聊式的面试方式。每条评估维度都要有明确的判断标准。\n第二，引入性格测评作为辅助筛选手段，尤其关注情绪稳定性、挫折耐受度和协作倾向三个维度，不做硬性一刀切，但异常数据必须在一面之前标注给面试官。\n第三，新客服入职前两周设置「双向观察期」，不是试用期的概念，而是让新人和团队互相感受节奏是否匹配。前两周不承担独立接单任务，以跟岗和模拟为主。两周结束后，业务负责人和新人各自做一次匹配度评估，如果明显不合适的，及时终止而不是硬撑到三个月。\n改完之后，我们的客服团队一年留存率从原来的不足40%提升到了67%。光招聘重置成本这一项，一年就省下了将近30万。\n算这笔账不是为了证明什么道理。只是想说一句：客服招错人的成本，真的比大多数公司以为的高得多。而绝大多数公司，根本不敢仔细算这笔账。\n不是算不出来，是怕算完之后发现——亏的比赚的还多。\n","permalink":"https://www.gdrar.cn/posts/cost-wrong-customer-service-hire/","summary":"\u003cp\u003e客服中心每年花在招错人上的钱，比大多数管理者想象的要高得多。\u003c/p\u003e\n\u003cp\u003e我说的是真实成本，不是招聘平台上那个「人均招聘成本」的指标——那个数字我见过，大部分公司只算了渠道费和面试官的时间成本，顶多再加个培训费，摊下来一个人一两万，看起来好像还能接受。\u003c/p\u003e","title":"客服招错一个人的成本有多高？这笔账很多公司根本不敢算"},{"content":"三年前我刚接手客服中心管理的时候，第一件事就是拉了过去一整年的离职数据。68%，这是我看到的数字。也就是说，每招进来10个人，不到一年就走了将近7个。\n这个数字让我坐不住了。但我当时的第一反应和大多数HR一样——是不是薪资太低？是不是排班不合理？是不是培训没做到位？\n我用了三个月把薪酬调了一轮、排班做了优化、培训流程全部重写。半年后再看数据：离职率从68%降到了59%。\n只降了9个百分点。\n这个时候我才开始认真想一个问题：会不会一开始人选就不对？\n客服岗位的隐形门槛，被很多人低估了 大多数公司在招客服的时候，面试标准出奇地统一：沟通能力好、普通话标准、有服务意识、抗压能力强。\n听起来没毛病对吧？但问题在于，这些标准放在简历和面试场景里，几乎人人都能演出来。你问一句\u0026quot;你能接受客户抱怨吗\u0026quot;，谁会说不能？\n真正决定一个客服能不能在这个岗位上长期做下去的，根本不是这些表面素质，而是性格底层的东西。\n客服岗位有一个很难被量化的特点——它是典型的情绪劳动密集型工作。销售虽然也累，但销售每成交一单都有正反馈。客服呢？一天接80通电话，可能75通都是投诉、抱怨、催进度，真正说\u0026quot;谢谢\u0026quot;的不超过5个。\n长期处在这种只有输出没有正向输入的工作环境里，一个人的性格特质直接决定了他能撑多久。\n一个让我彻底改变招聘思路的案例 说一个我印象特别深的案例。\nSituation（背景）： 2019年，客服中心A组一年的时间换了6个客服专员，团队里只剩两个老员工撑着。组长找我诉苦，说面试时觉得聊得不错的候选人，来了不是撑不过试用期，就是主动提离职。她觉得面试标准肯定出了问题。\nTask（任务）： 我当时正在做全中心的招聘复盘，把A组作为一个重点样本，重新设计客服岗位的人才画像。目标是把试用期留存率从当时的35%提升到60%以上。\nAction（行动）： 我没有急着换招聘渠道，而是先做了三件事。\n第一，把A组过去两年所有离职人员的性格测评数据调出来，做了一次回溯分析。我发现一个高度一致的规律：在职超过6个月的员工，在情绪稳定性（Neuroticism）维度上得分显著低于全国常模——不是他们更敏感，而是他们更不容易被外界情绪扰动。简单说，他们的\u0026quot;情绪隔离能力\u0026quot;天生就强。\n第二，我重新设计了面试流程。在常规行为面试之外，增加了一个情景模拟环节：让候选人现场听一段真实录音（脱敏处理的客户投诉），观察他们在听完之后的情绪恢复速度。有的人听完之后明显整个人被带进去了，聊后面的话题还带着情绪；有的人听完之后很快就能切换到客观分析状态。这两类人在实际工作中的表现差异非常明显。\n第三，我把性格测评的标准从\u0026quot;筛选门槛\u0026quot;改成了\u0026quot;发展参考\u0026quot;。不再用测评去卡人，而是用测评结果来识别那些情绪隔离能力强、挫折耐受度高的人，把面试资源集中在他们身上。\nResult（结果）： 这套方案在A组试行一年后，试用期留存率从35%上升到了81%。A组的人均通话量从每天45通提升到了68通，投诉率反而下降了22%。\n最让我触动的是A组那个后来被评为年度最佳客服的女孩。她入职的时候学历不高，普通话也不是最标准的，但她的性格测评显示情绪稳定性非常好，面试时的情景模拟也证明了她能够快速抽离负面情绪。入职后她很快成为组里处理投诉量最大、客户满意度最高的人。\n这个案例让我彻底相信了一件事：客服招聘，性格匹配比什么都重要。\n适合做客服的三类性格特质 经过这三年的数据沉淀和不断验证，我觉得真正适合做客服的人，在性格层面通常具备以下三个特质：\n1. 情绪隔离能力\n这是我最看重的一点。通俗地说，就是被客户骂完之后，放下电话能喝口水继续接下一通，不把上一个电话的情绪带到下一个电话里，更不把工作情绪带回家。这种能力不是靠培训能练出来的，它更多是性格底层的天赋。 2. 挫折耐受度\n客服的工作重复性很高，而且每一次重复都可能面对不同的负面反应。挫折耐受度高的人不会因为接连被拒绝或投诉而产生自我怀疑，他们能把\"客户的投诉\"和\"对我的否定\"分开来看。这一点直接决定了这个人一年后的去留。 3. 规则导向\n好的客服不是靠\"临场发挥\"来解决问题的，而是靠严格执行流程。规则导向强的人更愿意按照标准操作流程来处理问题，不会因为想帮客户就擅自做出超出权限的承诺，也不会因为心情不好就敷衍了事。这种稳定性对客服团队来说非常宝贵。 这三类性格，做客服会非常痛苦 反过来，我也踩过不少坑。以下三类性格的候选人，即使面试表现得再好，我也不建议放到一线客服岗位上。\n高敏感性。这类人非常善于共情，能体会客户的感受——但问题恰恰出在这里。他们太容易被客户的负面情绪带走，甚至会因为一单投诉失眠两天。高敏感性在很多岗位上是一种天赋，但在客服岗位上，它是一把双刃剑，而且负面大于正面。 高开放性。追求新鲜感、受不了重复、喜欢变化和挑战的人，在客服岗位上通常撑不过三个月。因为客服的本质就是按照流程重复处理类型相似的问题，高开放性的人很快就会觉得无聊、压抑、没有成长感。 高主导性（高支配型）。这种性格的人喜欢掌控、不喜欢被命令。在客服岗位上，他们很容易和客户产生对抗——客户越强势，他们越不服气。这种对抗一旦发生，投诉升级几乎是必然的。 给你一份可以直接用的客服招聘面试清单 这是我这三年反复打磨出来的客服岗位性格面试清单，你可以直接用在下一次招聘里：\n情绪隔离能力评估\n问：你之前遇到过最难缠的客户是什么样的？你是怎么处理的？ 观察点：候选人是带着情绪描述这件事，还是能客观陈述过程？他说到客户的无理要求时，语气是愤怒的还是平静的？ 问：打完一通很难的电话之后，你一般会做什么？ 观察点：看他有没有属于自己的情绪恢复方式（比如深呼吸、站起来走走、喝杯水），而不是靠别人来哄。 挫折耐受度评估\n问：你有没有做过那种每天重复同样事情的工作？当时什么感觉？ 观察点：看他对待重复性工作是接受还是排斥。真实的回答比\"我能接受\"更有参考价值。 问：被客户连续拒绝了三次以上，你会怎么想？ 观察点：看他会不会把客户拒绝解读为\"我不行\"。 规则导向评估\n问：如果客户的要求在公司规定范围之外，但你觉得确实合理，你会怎么做？ 观察点：看他是否理解流程的边界感。理想的回答是\"先解释规定，再记录反馈，升级处理\"，而不是\"我直接给他办了\"。 问：你上一份工作有没有因为遵守流程被客户投诉过？你怎么看那件事？ 观察点：看他对待流程的态度是\"规则就是规则\"还是\"规则可以灵活\"。 情景模拟操作建议\n准备一段真实的客户投诉录音（注意脱敏），让候选人现场听完，然后问他三个问题：①你觉得这个客户真正想要的是什么？②如果是你接这个电话，你会怎么回应？③听完之后你现在什么感觉？ 重点观察第三个问题的回答。如果候选人的回答还是围绕着客户的投诉内容打转，说明他的情绪还没有抽离出来。如果他能够客观评价客户需求而不带有明显的情绪卷入，说明他的情绪隔离能力不错。 写在最后 客服招聘这件事，我做了三年才慢慢摸索出一条适合自己的路。以前我也迷信学历、经验和沟通技巧，后来被离职率狠狠教育了一轮，才真正认识到性格匹配的价值。\n如果你现在也为客服团队的高流失率头疼，我建议你先别急着调薪和改制度，回头看看你们最近入职的那批人——他们的性格，真的适合做客服吗？\n有时候问题不是出在管理上，而是出在进门那一刻，人就选错了。\n延伸阅读：如果你正在搭建更完整的招聘体系，推荐看看我之前写的 每次看到公司拿性格测试筛人，我都想替候选人问三个问题，里面聊了性格测评在招聘中真正该有的用法。另外，关于面试和测评怎么搭配合适，面试和测评哪个更适合用来选人，这次复盘给出了新答案 这篇文章也提供了不少数据支撑。 ","permalink":"https://www.gdrar.cn/posts/customer-service-personality-type/","summary":"\u003cp\u003e三年前我刚接手客服中心管理的时候，第一件事就是拉了过去一整年的离职数据。68%，这是我看到的数字。也就是说，每招进来10个人，不到一年就走了将近7个。\u003c/p\u003e","title":"客服岗到底需要什么性格的人，一次离职复盘给了我完全不同的答案"},{"content":"技术团队留不住人，绝大多数管理者的第一反应是加薪。我不否认薪酬的分量，但如果每次离职率一抬头就拿预算去堵，你会发现一个让人无奈的现象——钱加了，人还是走了，而且走得越来越贵。\n过去一年半，集团技术中心经历了三波比较集中的离职。CTO每次开会都强调薪酬竞争力的重要性，预算也确实批下来了，人均调薪幅度达到了18%。但半年后的离职率数据几乎没有变化。我决定不再凭感觉争论，而是把所有真实数据拉出来过一遍。\n47份面谈记录，归出了四个结论 花了三周时间，把技术中心过去一年半内所有技术岗离职面谈记录翻出来做了逐条编码分析。手工归类、交叉验证，去掉那些含糊其辞的官方理由，只取面谈中候选人反复提及的真实驱动因素。\n47份有效记录，最终数据分布如下：\n第一原因：技术成长空间触顶——23人提及，占比49%。这也是所有原因里被提及频次最高的一项。不是公司没有业务增长，而是技术栈长期没有升级机会，或者核心攻坚项目始终集中在少数几个人手里，大部分人在做维护性工作。\n第二原因：直属管理者沟通模式冲突——17人提及，占比36%。这个数据比我预想的高得多。具体表现形式各不相同——有的管理者习惯在公开场合做技术评审时严厉批评，有的管理者对技术方案过度干预到零信任的程度，还有的管理者几乎不做1v1，只在出问题时才找人对齐。\n第三原因：职业路径模糊——14人提及，占比30%。典型表述是「我不知道自己在这里三年后会变成什么样」。技术团队普遍存在一个认知盲区：默认技术人员不需要清晰的晋升通道，认为他们「只关心技术」。但实际上，当技术成长和职业发展两条路都看不到前景的时候，绝大多数人会选择离开。\n第四原因：薪酬竞争力不足——11人提及，占比23%。确实是原因之一，但排位比大多数人想象的要低。\n这组数据出来后，CTO沉默了很长时间。因为前三项——技术成长、管理方式、职业路径——每一项调整起来都比加薪复杂得多，而且没有现成的预算可以「买」回来。\n三个最容易忽视的深层原因 技术成长空间触顶，不是业务没增长，是技术分布严重不均。\n这是最容易被误读的一个原因。很多管理者觉得：「公司业务在涨，项目越来越多，怎么会没有成长空间？」但实际情况是，新技术和新挑战往往集中在少数核心骨干手里，大部分技术人员日复一日地做同类型的需求迭代。我见过一个后端开发，在入职第三年的时候明确说：「我今年写的代码和去年写的几乎没有区别。」两个月后他提了离职，去了一家薪资持平但技术氛围更激进的中型公司。\n之前写技术岗招聘相关的内容时我就提到过，面试中的能力评估往往集中在候选人当前的技术熟练度上，很少去判断他未来一到两年的成长预期是否和岗位匹配——这个缺口在入职后直接转化成离职风险。具体可以参考这篇 技术岗招人能力与稳定性的复盘分析，里面有一段关于面试中技术成长预期评估缺失的讨论。\n直属管理者的沟通模式，是技术团队离职的隐形推手。\n这一点很多HR和技术管理者自己不愿意面对。我之前在复盘错误招聘案例的时候专门分析过管理者风格和选人标准的联动关系，结论是一样的：面试时看的是技术能力，入职后考验的是管理匹配度。技术团队的管理者大多是从技术骨干提拔上来的，技术能力没得说，但管理方法基本靠「当年我的领导怎么对我」来传承。如果上一任管理者是控制型的，新晋管理者大概率也会沿用这个风格。一旦遇到独立性强的开发人员，矛盾几乎是必然的。\n我后来复盘了所有因管理沟通问题离职的案例，发现一个规律：离职决策本身往往不是在某个冲突事件之后立刻做出的，而是经过了两到三个月的「隐性积累期」。也就是说，从第一次出现管理摩擦到最终提离职，中间有一段可以干预的时间窗口——但大多数公司没有在这个窗口期内做任何动作。\n职业路径模糊，是技术团队最容易被忽略的慢性病。\n技术人员的职业路径问题之所以容易被忽视，是因为很多技术人员表面上看起来不在乎：「我就是写代码的，给钱就行。」但面谈做得够多就会发现，说这种话的人往往是已经对职业发展不抱期望了，不是真的不需要。真正的职业需求在入职六个月到一年之间开始显现——当技术边际学习曲线开始走平的时候，如果公司没有提供新的方向，内心就会产生摇摆。\nSTAR 案例 Situation：一家B端SaaS公司的核心支付组，12人团队，在五个月内连续离职了4名后端工程师，其中两名是组内承担核心模块架构的资深开发。团队交接成本陡增，两个已立项的支付通道接入项目延期了将近两个月。CTO的判断是「市场薪酬倒挂，我们给低了」，提出了全组调薪方案。\nTask：我的任务是——在CTO推动加薪方案的同时，找到这批离职背后的真正驱动力，判断加薪是否能从根本上解决团队流失问题，如果不能，需要识别出真正需要干预的点并给出替代方案。\nAction：我做了三件事。\n第一，对这4名离职员工做了深度回溯式面谈（不是标准HR离职面谈模板，而是用了结构化追问的方式，逐段还原他们的离职决策链——从第一次产生离职念头到正式提离职，中间经历了什么、触发点是什么、为什么没有在公司内部表达过）。同步对留下来的8名团队成员做了匿名定向问卷和半结构化面谈，重点了解他们对技术成长、管理方式和职业发展的真实感知。\n第二，把面谈结果和过去两个季度的团队绩效数据、代码评审记录、内部1v1记录做了交叉比对。\n第三，把发现的问题按影响面和紧急程度做了优先级排序，拉上CTO和技术负责人一起逐条过。\nResult：4名离职员工中，只有1人明确因为薪酬竞争力不足离开。其他3人的核心原因分别是：技术负责人长期在代码评审中采用公开批评的方式打击了组内开发的技术自信、团队连续18个月没有引入任何新技术栈或新项目方向、以及技术岗没有独立的个人贡献者晋升通道——想晋升只能转管理。这三个问题中前两个在离职面谈之前完全没有被管理层识别到。\n后续方案没有走全组调薪，而是做了三项调整：取代技术负责人的代码评审角色，改由另一名资深工程师主持评审并引入结构化反馈机制；启动一个每季度的技术创新Sprint，让开发人员可以自由组队攻克非业务线的技术难题；同步推行技术岗和管理岗双通道晋升方案。三个季度后，该团队的年化离职率从42%降到了9%，团队交付速度在两个Sprint内恢复到正常水平，线上Bug率同比下降了27%。\n技术人才留存风险季度排查清单 以下是我在这件事之后整理的一套排查清单，每个季度和技术负责人一起过一遍。不需要花大块时间，但能提前发现大部分离职风险。\n一、技术成长空间排查\n团队中是否有超过50%的人在重复性维护工作中超过6个月？ 最近两个季度是否有新的技术方向或项目模块引入？ 核心攻坚项目是否集中在同两三个人身上？ 二、管理沟通模式诊断\n技术负责人最近一次1v1面谈是什么时候？谈了什么？ 团队中是否有成员在过去一个月内因为代码评审或项目复盘受到过公开批评？ 技术负责人的管理风格是否在团队内有过书面或口头的反馈收集？ 三、职业路径清晰度检查\n每个技术人员是否对自己的半年和一年发展目标有清晰认知？ 技术岗是否有不依赖管理职位的晋升通道？ 近一年内是否有技术人员因为「看不到未来」而被管理者预警？ 四、薪酬竞争力对标\n核心岗位的薪资是否处在市场P50以上？ 最近一次调薪是否覆盖了绩效中上但薪资偏低的隐性风险人群？ 五、团队氛围健康度\n团队是否有非工作的技术交流或分享机制？ 跨团队协作中是否存在因为沟通摩擦导致的事后追踪？ 是否有成员在过去一个月内表露过消极情绪被记录？ 这份清单每季度过一次，每次不需要超过两小时。花两小时排查，可能省下半年后集中离职带来的数周甚至数月的招聘补位时间。\n写在最后 技术团队离职率高，真正让HR和管理者头疼的不是离职这件事本身，而是每次都在事后补救。离职面谈做了一大堆、调薪预算批了一轮又一轮、招聘团队加班加点补位——但同样的离职率曲线，下个季度再来一次。\n我在这几年的工作里最深的体会是：技术人员做离职决定的过程，很少是冲动型的。多数人在正式提离职之前的两个月甚至更早，就已经在内心完成了「算了吧」的判断。如果能在这个时间窗口内发现问题并介入，大概率是能拉回来的。\n关键是——你得知道往哪里看。\n这篇文章提到的清单和案例都是我踩过坑之后才总结出来的。如果你所在的技术团队也在经历类似的困惑，不妨先把数据拉出来过一遍，不要急着加薪。那个能让团队真正稳定下来的答案，可能根本不在薪酬表上。\n","permalink":"https://www.gdrar.cn/posts/tech-turnover-real-causes/","summary":"\u003cp\u003e技术团队留不住人，绝大多数管理者的第一反应是加薪。我不否认薪酬的分量，但如果每次离职率一抬头就拿预算去堵，你会发现一个让人无奈的现象——钱加了，人还是走了，而且走得越来越贵。\u003c/p\u003e","title":"技术人离职率居高不下，真正的原因和薪酬没多大关系"},{"content":"技术负责人想要能力强的，HR想要稳的，两个诉求明明都合理，凑到一起就打架。这个场景在技术岗招聘里出现的频率，比大多数人想象的要高得多。\n过去两年我一直在盯这个问题。不是因为它玄，而是因为它实实在在让招聘周期变长、让团队错失过不错的候选人。每次复盘到瓶颈，反复出现的就一个核心矛盾：技术岗到底应该更看重技术能力，还是更看重稳定性？\n先说结论——这个问题本身问错了。能力和稳定性从来不是二选一的命题。真正的冲突，出在面试阶段评估这两者的方式上。\n两组数据撕开了问题的口子 去年我做了一组内部数据比对，拉出近两年入职的43名技术岗员工，按入职时面试官对「技术能力」和「长期稳定性预期」的打分做了交叉分析。\n结果如下：\n高能力+高稳定预期（双高选手）：只有7人，占比16%。这7个人入职半年后的平均绩效评分达到4.2/5，留存率100%。毫无疑问的最优群体，问题是量太少，根本不够分。\n高能力+低稳定预期（强但可能留不住）：14人，占比33%。这组人的半年绩效均分3.8，但其中3人在入职一年内主动离职。能力和意愿都在，但持久性确实存在风险。\n能力中+高稳定预期（稳但不出彩）：16人，占比37%。半年绩效均分3.2，没有人离职或被动淘汰，但也没有一个人达到「核心贡献者」的标准。\n双低：6人，占比14%。这组数据没有分析价值，属于本身就选错了。\n这个分布说明三件事：第一，能力和稳定性双高的技术人才极度稀缺，不能作为常规招聘的标准配置。第二，「能力强但风险高」的人群，实际产出的均值是高于「稳妥型」人群的，但需要搭配不同的管理方式。第三，最被忽视的不是能力和稳定性本身，而是我们衡量它们的方式——太粗糙了。\n技术面试的失焦 为什么高能力的技术候选人总给人「不稳」的感觉？我观察了三年，发现一个很普遍的规律：技术面试的评估框架天然偏向能力维度，对稳定性的判断几乎全靠面试官的「直觉」。\n我在之前那篇面试和测评交叉验证的分析里提过一个观点：面试官特别容易被表达能力强、技术面能跟面试官对答如流的候选人带偏。技术岗尤其明显——一个候选人能流畅回答分布式架构、高并发优化这类复杂问题的时候，面试官很容易默认「这人业务素质高，应该也能干得住」，跳跃性地把技术能力强等同于综合适配度高。\n而稳定性的评估，大多数公司的做法就是一句：「聊聊你的职业规划」。候选人的标准回答是「我希望在贵公司长期发展」。然后面试官在表格里打一个4分。\n这跟没判断有什么区别？\nSTAR 案例 Situation：去年初，技术部要招一个后端核心开发，需要至少三年高并发项目经验。一个候选人进入了终选——985硕士，上一家公司参与过千万级DAU项目的底层架构重构，技术能力的面试评分接近满分。但他的简历上，四年换了三家公司，最短的一段只有八个月。技术总监非常想要他，HR觉得风险太高。\nTask：我需要在两个候选人之间做决定。候选人A就是上面那位，技术能力强但跳槽频率高。候选人B，技术能力评分中上，上一份工作做了三年半，面试时明确表示「想找一家稳定的公司长期做」。\nAction：我没有直接选任何一个，而是做了两件事。\n第一，针对候选人A，我设计了一轮追加的行为深度面，不是为了重复考察他的技术能力，而是专门挖他过去离职的真实原因。连续追问了四段经历里每一段离职的场景和决策逻辑，发现三个关键信息：他在第一家公司干到一年半的时候是想长待的，但项目组被拆散了；第二家公司干了八个月，是因为直属领导的管理风格和项目方向跟他预期严重不符，他尝试过内部转岗但没有名额；第三家公司离职的直接原因是承诺的技术栈转型没有兑现。这三件事串起来之后，他的「频繁跳槽」从「主观不稳定」变成了「有具体触发条件的择业逻辑」——跟他自己主动做的职业选择有关，跟他的职业定性和抗压韧劲没有直接关系。\n第二，对于候选人B，我增加了实操案例分析环节，让他在线下完成一个真实项目场景的代码评审和优化建议。结果发现他解决复杂问题的深度和效率明显不够。用技术总监的话说：「他能干活，但碰到疑难杂症大概率要依赖别人。」\nResult：最终录用了候选人A，同时在入职管理上做了两件事——第一，入职前就跟他对齐了接下来18个月的技术成长路径，让他清楚这里能解决他之前「技术栈转型不被兑现」的痛点。第二，设置了6个月和12个月两次关键节点面谈，及时发现他在团队协作中是否出现跟上一份工作类似的负面信号。\n结果：这个候选人在岗至今已经19个月，没有主动提过一次离职。过去三个季度的绩效评估分别是A-、A、A-，在团队里承担了核心模块的架构重构工作，线上故障率同比下降了40%。而候选人B入职了另一家公司做后端开发，三个月后技术总监通过圈内消息得知，他在独立处理跨服务调用的问题上卡了两周没有解决，试用期延长了。\n这个案例让我彻底明白了一件事：稳定性和能力的评估，不能用同一个方法去套。\n问题出在评估方式，不是候选人本身 大多数公司在技术岗面试里犯的错误，是两个维度混在一起用一个标准的流程去评估。技术能力靠深度追问和实战考核，做得相对扎实；稳定性靠几句职业规划问题草草带过，判断依据严重不足。\n我在那篇测评系统用上了还在招错人的分析里写过，工具和方法本身没有错，错误的是用它们的方式。技术面试也一样——不是能力和稳定性矛盾，而是你衡量稳定性的那套方法太粗了。\n我后来整理了一套专门针对技术岗的面试评估维度清单，每一条都是从实际踩坑里挖出来的：\n技术岗面试评估维度清单 技术能力评估维度\n技术深度：是否能够独立解决所负责领域内的复杂问题，不依赖他人兜底 学习曲线：接触新语言或新框架时，从了解到上手的时间周期有多长 工程素养：代码习惯、文档意识、测试覆盖思维是否到位 架构视野：能否不局限于手头模块，理解上下游系统的协同逻辑 稳定性评估维度\n离职决策逻辑：过去每一次离职是主动行为还是被动触发？是外部因素主导还是内部驱动力变化？ 技术成长节奏：他在之前公司离开时，是技术遇到天花板了，还是组织层面出了问题？如果是技术天花板，你这里有没有下一层？ 团队协作模式：他在过去团队里是独立产出型还是协作驱动型？和你现有团队的协作风格是否匹配？ 抗压阈值：在项目延期、需求变更、跨部门冲突等压力场景下，他的行为反应模式是什么——逃避、对抗、还是主动沟通？ 交叉校验方法\n如果技术能力评分比稳定性评分高出2分以上（满分5分制），不要急着否定，但要追加一轮深度行为面试，重点挖掘稳定性的真实风险点 如果稳定性评分高但技术能力中，确认核心需求——这个岗位需要的是能独立攻坚还是稳定执行？如果后者，完全可以用 不要用同一个问题去套两类候选人。技术强的追问离职原因，稳定好的追问技术成长瓶颈 这份清单的核心价值就一句话：别再拿一个模糊的「职业规划」问题来判断一个人的稳定性。那些在面试里说得最漂亮的人，入职后最短时间内走掉的，我见过太多。\n技术岗招聘里没有什么非此即彼的标准答案。能力和稳定性不是天平两端，而是两把尺子，各自量各自的东西。你能把这两把尺子分开用到位了，自然就不会再纠结「到底该看哪个」。\n","permalink":"https://www.gdrar.cn/posts/tech-hiring-ability-vs-stability/","summary":"\u003cp\u003e技术负责人想要能力强的，HR想要稳的，两个诉求明明都合理，凑到一起就打架。这个场景在技术岗招聘里出现的频率，比大多数人想象的要高得多。\u003c/p\u003e\n\u003cp\u003e过去两年我一直在盯这个问题。不是因为它玄，而是因为它实实在在让招聘周期变长、让团队错失过不错的候选人。每次复盘到瓶颈，反复出现的就一个核心矛盾：技术岗到底应该更看重技术能力，还是更看重稳定性？\u003c/p\u003e","title":"技术岗招人总在能力和稳定性之间反复横跳，破局点到底在哪"},{"content":"上半年刚过，我们HR部门照例做了一次半年度离职数据分析。八个销售团队，一季度入职的新人，三个月留存率只有56%。也就是说，每招两个销售新人，不到三个月就走了一个。\n数据摆在面前的时候，销售总监沉默了。这不是个别团队的问题——八组数据拉出来，最高的团队留存率也就64%，最低的一家只有41%。\n我把这86份离职面谈记录全部调出来，一份一份翻了一遍。最初大家都觉得是钱没给够，但面谈记录里，提到薪资不满的只有不到三成。真正反复出现的三个关键词，反而跟面试选人有直接关系。\n第一个问题：面试时只看「能不能卖」，没看「能不能扛」 做销售的都知道，招聘销售最容易犯的错就是把“表达能力好”等同于“适合做销售”。一个人面试时口若悬河、气场全开，面试官就容易产生晕轮效应，觉得这人行。\n但销售这个岗位，尤其是B2B销售和复杂方案销售，真正的考验不是你能不能把话说漂亮，而是你能不能扛住连续三个月的零单期。\n我看到很多离职面谈里，新人说的一句话特别扎心：面试时说的跟实际干的，完全是两回事。\n有个案例印象很深。我们招了一个从快消行业转过来的销售，面试表现非常好，逻辑清晰、表达流畅、对销售工作充满热情。销售经理当场就给了通过。结果入职第二个月，连续被拒了七次之后，整个人状态就崩了，第三个月中旬提了离职。\n后来复盘才发现，这个人过去做的是快消渠道销售，拜访的是经销商，客单价几百到几千，决策周期短。而我们这个岗位做的是企业级解决方案销售，客单价十几万，决策链条涉及三到五个人，成交周期三到六个月。两个看似都叫“销售”，但核心能力要求完全不同。\n我把这称为面试环节的能力错位——你面试时看的是他的沟通能力和热情，但真正决定他能不能留下来的关键，是对长周期不确定性的耐受度。我之前在聊销售性格与业绩的关系时也提到过类似的问题（销售岗什么样的性格能出业绩），面试时容易被表面的表达力迷惑，忽略了底层的能力匹配度。\n第二个问题：期望管理，八成面试官都没做好 离职面谈里还有一个高频表达：跟我想的不一样。\n这不全是新人的问题。很多销售经理在面试的时候，为了吸引候选人，会不自觉地美化岗位——把客户资源说得更多、把培训体系说得更完善、把收入预期说得更确定。\n一旦新人进来发现实际情况跟面试说的有差距，信任感在第一周就被透支了。销售岗位天然需要自信心支撑，一旦信任裂了，后面的留存就全靠硬撑。\n我后来跟销售团队做了一个调整：面试环节增加一个压力前置环节，把真实的工作难度、客户拒绝率、平均成交周期这些信息，在面试时就坦诚地告诉候选人。这确实会让一些候选人犹豫甚至放弃，但能留下来的，留存率明显更高。\n具体的做法我整理成了一份清单，后面会贴出来。\n第三个问题：新人的前30天，团队没有支撑系统 很多销售团队对新人的模式是扔进水里自己游。培训三天、给一堆资料、然后就开始打电话跑客户了。\n但从离职数据看，那些撑过前三个月的销售新人，都有一个共同特点：在前30天内，至少有一个明确的师傅或者上级，每周跟他做一次面对面的业务复盘，帮他拆解客户、分析问题、调整策略。\n那些离职的，大部分在前30天里处于没人管的状态。不是团队不负责，而是销售经理自己也在冲业绩，没时间带人。\n有个STAR案例值得拿出来说。\nSituation： 去年下半年，我们一个华东销售团队流失率飙升，半年内换了三轮新人，整个团队的士气掉到谷底。\nTask： 我需要在两个月内帮这个团队建立一套新人留存机制，目标是把前三个月的留存率从42%提升到至少65%。\nAction： 我做了三件事。第一，跟销售经理一起重新梳理了这个岗位的胜任力模型，把抗压能力和长周期沟通能力从加分项调成了必选项，并设计了一套行为面试题来专门测试这两个维度。第二，制定了面试期望清单，要求销售经理在面试时必须把工作的真实难度场景化地呈现给候选人，不做虚假包装。第三，建立了新人30天陪跑计划，每个新人入职第一周就指定一个资深销售做导师，前30天内每周必须有一次不少于40分钟的业务复盘，复盘结果记入导师的月度绩效。\nResult： 这个调整执行了三个季度后，华东团队新人的三个月留存率从42%提升到了71%。更重要的是，留下来的新人达到出单周期的平均长度从5.2个月缩短到了3.8个月，因为他们在前30天的陪跑期就已经建立了正确的客户预期和打单节奏。这个案例跟我之前分析销售招聘选人盲区时（销售岗招人为什么这么难稳定）提到的逻辑是吻合的——选对了人只是第一步，后面的支撑机制同样决定了能留多久。\n销售岗面试精准提问清单（可直接套用） 以下是我在这个项目里整理出来的五道面试题，专门用来测试销售候选人的抗压能力和长周期耐受度。你可以在下次面试销售时直接使用：\n1. 请你回忆一次你连续被客户拒绝的经历。当时你做了什么来调整自己的状态？这个经历持续了多长时间？\n这道题测的是抗压韧性和自我调节机制，而不是听他讲我很抗压。\n2. 你过去最长的一个成交周期是多久？在这个周期里，你做了什么来维持对客户的推进？\n这道题测的是对长周期的接纳度和过程管理能力。如果候选人说最长周期只有一周，而你的业务周期是三个月，这就是一个明确的危险信号。\n3. 如果入职后前三个月你一单都没出，你觉得自己会用什么方式来度过这段时间？\n这道题测的是现实预期。能认真回答这个问题的人，通常对销售的真实难度有认知。那些笑着说不可能、我肯定能出单的，反而是需要警惕的。\n4. 在你看来，一个销售最让人失望的事情是什么？\n这道题没有标准答案，但可以从他的回答里看出他对销售工作的底层认知。有人会说是丢单，有人会说是辜负客户信任，也有人会说是没完成业绩。每种回答反映出来的职业价值观都不一样。\n5. 你有没有拒绝过一个你觉得卖不了的产品或方案？当时是怎么判断的？\n这道题测的是销售的原则性和判断力，而不只是能不能卖。那些从来没拒绝过任何产品的候选人，往往也是对自己销售的东西缺乏独立思考的人。\n写在后面 销售快离职率这个问题，不是某一个环节能单独解决的。它往往从面试的选人标准就已经埋下了种子，然后经过期望错位的加速、支撑缺位的发酵，最终变成离职登记表上的一个数字。\n从HR的角度，我们能做的不是把每个人都留下来，而是在面试环节就把信息差缩到最小，让候选人在进来之前就知道自己面对的是什么。这样留下来的人，才是真正适合的人。\n如果你正在被销售团队流失率高的问题困扰，不妨从这个角度重新审视一下你们的面试标准和新人陪跑机制。很多时候问题不在人身上，在选人的那个环节就已经决定了。\n","permalink":"https://www.gdrar.cn/posts/sales-new-hire-turnover-data/","summary":"\u003cp\u003e上半年刚过，我们HR部门照例做了一次半年度离职数据分析。八个销售团队，一季度入职的新人，三个月留存率只有56%。也就是说，每招两个销售新人，不到三个月就走了一个。\u003c/p\u003e","title":"销售干不满三个月就走，根子出在面试时没看清这一点"},{"content":"我一直觉得销售圈有个迷思被传了太多年：做销售的人必须外向、自来熟、走到哪儿都能跟人聊起来。这个观念误导了多少销售招聘，我花六年数据才真正看清。\n六年前我开始系统性记录和复盘自己带过的销售团队的招聘数据与绩效表现。七个团队、两百三十多名销售人员，涵盖B2B大客户、电话销售、渠道销售三种模式。数据拉通之后，第一个让我意外的发现是：按照「外向优先」标准招进来的人，半年后进入业绩前30%的比例，和被贴上「内向」标签的人几乎没有统计差异。\n问题不在性格类型本身，在于我们用错了评估维度。\n真正影响销售业绩的三个性格维度 我和团队花了两年时间反复交叉比对，从二十多个候选性格指标中筛出了三个与销售业绩持续相关的核心维度。\n维度一：挫折恢复速度\n销售是高频被拒绝的职业。我见过很多面试时口若悬河、自信爆棚的人，被连续拒绝五次之后整个人的状态就崩了，接下来两周都缓不过来。反而是那些平时话不多、甚至有点闷的销售，挂掉电话缓三分钟，深呼吸一下，下一个电话打出去的语气又恢复了平稳。\n我们团队内部有一个内部指标叫「三连拒恢复时长」——记录销售人员在连续三次被拒绝之后，需要多久才能恢复到正常的外呼节奏和语气状态。这个指标与季度业绩完成率的相关系数，是所有性格指标中最高的。\n维度二：客户信号的读取精度\n很多人以为销售「能说」才是本事。但数据告诉我们，真正拉开差距的不是表达能力，而是倾听之后的信号读取能力——能不能在客户说「我再想想」的时候，分辨出这句话背后的真实含义是「价格太贵了」「我已经有供应商了」还是「我需要回去跟领导商量」。\n我们做过一个测试：让销售人员看三段标准客户沟通录音的文字记录，然后让他们标注客户在每段对话中的真实顾虑点。准确率超过70%的那批销售，季度业绩达标率是准确率低于40%的那批的三倍以上。\n维度三：驱动力来源的匹配度\n这一点我花了很多年才意识到：销售工作需要的驱动力，不是所有人都来自同一个地方。\n有的人驱动自己往前走的是「赢单的成就感」——这种人在复杂大客户的博弈中往往表现出色，因为他们享受搞定难缠客户的过程；有的人驱动自己的是「怕落后的焦虑感」——这类人在高速运转的业绩排名环境中反而稳定输出，因为他们永远不会让自己掉出前三；还有的人的驱动力来自「对产品和客户的真实兴趣」——他们不喜欢高压逼单，但能通过建立长期信任关系拿到持续复购。\n问题在于很多企业在招聘销售时用的驱动力判断标准是单一的——「你有多想赚钱？」。这个问题问不出任何有效信息，因为只要面试不傻，答案都是一样的。\nSTAR案例：一家B2B软件公司的销售团队重组 Situation（背景）\n三年前我接手了一家B2B软件公司销售团队的招聘优化项目。该公司的SaaS产品客单价在8到15万之间，销售周期三到六个月。当时的销售团队有22人，季度业绩目标完成率只有41%，首年流失率高达45%。\n最让人头疼的是，团队里业绩最好的两个人，性格几乎完全相反：一个是典型的外向型，喜欢打电话、跑展会、拉着客户吃饭；另一个在团队会上几乎不怎么发言，但他的续约率是全公司最高的，客户跟他的关系能维持好几年。而团队里业绩垫底的几个人，反而是用同一个「外向、目标感强」标准选进来的。\nTask（任务）\n我的任务是重新设计销售岗位的招聘评估体系，目标是：新人六个月内成单率达到50%以上，首年流失率降到30%以下。\nAction（行动）\n第一步，把性格评估维度从传统的「外向/内向」「进取心强弱」替换成了上面那三个核心维度。\n第二步，设计了一套结构化的情景模拟面试题，每个维度对应两个具体场景：\n挫折恢复维度：让候选人回忆过去一次连续被拒绝的经历，不是问「你怎么想的」，而是让他详细描述拒绝之后的那个小时内，他做了什么。 信号读取维度：给一段模糊的客户短信，让候选人分析客户到底在表达什么。 驱动力维度：不是问「你为什么想做销售」，而是问「过去一年哪一笔单子的成交过程让你至今难忘，为什么是这一笔」。 第三步，把性格评估的权重从原来的30%调整到50%，与销售技能评估和行业经验评估并列。\nResult（结果）\n新体系运行一年后，团队的季度业绩完成率从41%提升到了72%。新招聘的17名销售中，有11人在六个月内首次成单（成单率约65%），首年流失率为28%。\n更重要的是，新体系并没有筛掉那些安静但擅长建立长期信任的人——这类销售在之前的「外向优先」标准下大概率过不了初面，但数据证明他们在客户续约和口碑转介绍上的价值，远高于那些能说会道但客户关系浅的人。\n不同销售模式需要不同的性格组合 另一个重要发现是：三个维度的权重不是固定的，销售模式不同，侧重点完全不同。\nB2B大客户销售（长周期、高客单）： 挫折恢复速度的重要性排第一，因为大客户销售的被拒绝频率不低但单次打击感很重；信号读取精度排第二；驱动力排第三。\n电话销售/电销（短周期、高频次）： 驱动力结构的匹配度变成第一要素——没有稳定的内驱力撑不过每天上百通外呼；挫折恢复速度排第二；信号读取排第三——因为电销的沟通深度有限。\n渠道销售/区域销售（关系维护型）： 信号读取精度和信任建立能力排第一；驱动力中的「关系型驱动」比「成就型驱动」更适合；挫折恢复速度的要求相对低一些——因为渠道销售的拒绝往往不是个人的，而是价格政策层面的。\n销售岗结构化面试·性格维度评估清单 以下五个问题是我团队现在面试销售岗位时必问的，每个问题对应一个人格维度的真实信号：\n1. 情景还原题（测挫折恢复） 「请回忆过去三个月里，你被客户拒绝最狠的一次。拒绝之后的那一个小时，你具体做了什么？有没有做任何尝试挽回？」\n追问点：关注他说的是「心情/感受」还是「具体行动」——后者说明他有恢复机制。\n2. 模糊判断题（测信号读取能力） 「客户给你发了一条短信：\u0026lsquo;这个方案我看了，还不错，但还需要内部讨论一下。\u0026rsquo;——你觉得客户这句话背后，最可能卡在哪里？」\n追问点：看他能给出几种可能性，以及是否会在对话中主动验证自己的猜测。\n3. 驱动来源题（测驱动力结构） 「过去一年所有成交的单子里，最让你有成就感的是哪一笔？为什么是它？」\n追问点：注意他描述的是赢单的「战果」（金额、排名），还是解决问题的「过程」，还是跟客户建立的「关系」——这三种指向完全不同的驱动力结构。\n4. 客户切换题（测人际韧性） 「假设你刚跟一个聊得很好的客户敲定了下一步计划，挂掉电话后发现他的同行在行业群里发了一条对你们公司非常负面的评价。你接下来会怎么做？」\n追问点：看他能不能快速做认知切换——把关系维护和危机处理分开。\n5. 资源利用题（测主动驱动） 「我们给你的客户名单里有一些过去三个月跟进过但没有成交的老线索。你从哪一条开始跟进？理由是什么？」\n追问点：看他是随机选还是带着分析逻辑选——后者往往说明他对自己判断力的自信。\n五年多下来我最大的感受是：销售招聘不是找一个「万能性格模板」往里套，而是搞清楚你的销售模式到底需要人具备什么样的心理和人际底色，然后用对的方法去识别它。\n之前聊过销售招聘中不能只看性格类型的深层原因，我在DISC性格测试那篇文章里详细分析过为什么单一性格标签的参考价值有限。而这次复盘的核心经验，其实跟我在销售岗流失率那篇复盘里说的底层逻辑是一致的——选对人比逼对人重要十倍，但选对人的前提是知道你在找什么。\n","permalink":"https://www.gdrar.cn/posts/sales-personality-performance-data/","summary":"\u003cp\u003e我一直觉得销售圈有个迷思被传了太多年：做销售的人必须外向、自来熟、走到哪儿都能跟人聊起来。这个观念误导了多少销售招聘，我花六年数据才真正看清。\u003c/p\u003e","title":"销售岗什么样性格的人能干出业绩，六年数据复盘给了三个答案"},{"content":"销售岗的招聘预算永远是最高的，但销售团队的稳定性往往是最差的。我所在的公司集团旗下有五家业务子公司，销售团队加起来超过200人，去年全年销售岗离职率跑到了63%。也就是说，年初招进来的10个销售，到年底能留下来的不到4个。\n这个数字在公司经营分析会上被反复提起，每次指向同一个结论：继续加大招聘力度。但加大力度之后呢？第二年同样的循环再演一遍。后来我把过去三年所有销售岗的招聘和离职数据拉出来做了个全面复盘，发现真正的问题不在招聘量上，而是卡在三个非常具体的盲区里。\n做HR久了你会发现一个规律：很多招聘问题看似是「招不到」，本质是「留不住」。我之前写过一篇关于错误招聘复盘的文章，里面提到的很多规律在销售岗上表现得尤其极端——因为销售岗位的流动性天然就比别的岗位高，但高到什么程度算「异常」，很多管理者其实没有概念。\n盲区一：面试看的是「会不会说」，岗位需要的是「能不能扛」 这是最普遍也最隐蔽的问题。销售岗的面试流程里存在一个天然偏差：面试官会被候选人的表达能力带偏。\n我复盘了一个典型case。去年一季度，我们为一家子公司招区域销售经理，面试了12个人，最终录用的A先生在面试中表现出色——逻辑清晰、气场强、对行业理解很深，面试评价几乎是满分。但这个人入职后只待了87天就走了。离职面谈时他说了一句话让我印象很深：「我擅长方案型销售，但这个岗位每天要打超过60通陌生电话，我受不了。」\n问题出在哪？整个面试过程中，没有一个人测试过他面对高频拒绝时的心理韧性。我们所有的问题都在考察「他懂不懂行业」「表达怎么样」「过往业绩如何」，但没有一个问题在考察「他能不能承受这个岗位每天的高强度拒绝」。\n招聘销售，尤其是B2C或者高拒单场景下的岗位，最重要的选人维度不是沟通能力——是心理复原力和抗压阈值。但绝大多数企业的面试评估表里，这两个维度是空白的。\n盲区二：只评估了候选人能力，没评估管理风格是否匹配 第二个盲区杀伤力更大，但发现它的过程纯属偶然。\n我把销售离职数据和他们的直接上级做了交叉分析，结果很有意思：有三个销售团队的离职率明显低于其他团队，而这些团队的管理者有一个共同特征——他们都是「教练型」管理者，既不是「命令型」也不是「放任型」。\n销售本身就是高压职业，新人的前三个月尤其难熬。如果一个销售主管的风格是「把人丢进泳池自己学会游泳」，那心理韧性不够的新人大概率第一个月就会走。相反，那些愿意陪新人跑第一单、愿意在被拒绝后做复盘辅导的主管，团队留存率普遍高出30%以上。\n但多数公司在招销售的时候，只做了一侧评估——候选人适不适合——却没做另一侧：这个候选人的工作方式和期望，跟我们现有的销售管理风格能不能兼容？\n这个问题的解法我后来在另一篇文章里也讨论过，关于面试表现和工作绩效之间的差距，本质上都是同一个逻辑——选人不能只看单点素质，要看系统匹配。\n盲区三：入职前的期待和入职后的现实之间，有一条断层 第三个盲区跟前两个不一样，它发生在候选人还没入职的阶段。\n我做了一个统计：过去三年所有销售岗主动离职的员工中，71%的人在前三个月内离开。离职面谈排第一的原因不是「薪资低」，也不是「团队氛围差」，而是「跟想象的不一样」。\n举个例子。有一个候选人面试时被告知「公司提供大量渠道资源，销售负责转化跟进」，入职后发现所谓的渠道资源，只是每月给一批联系方式，其余全靠自己开发。还有一个候选人在面试中被描绘了「高成长、高回报」的蓝图，结果入职后发现公司连基本的销售培训体系和产品资料都不完整。\n这种预期落差本质上是「销售话术」做过了头。很多面试官——尤其是业务部门的——在面销售岗时会下意识「卖」这个岗位，把真实的工作内容美化包装。入职后现实和预期一对比，落差来了，人也就走了。\n要解决这个问题，不是降低期待，而是让期待变得更真实。\n一个STAR案例：把三个盲区逐一堵上之后发生了什么 Situation（背景） 2024年，集团旗下某子公司销售团队全年离职率68%，平均在职周期仅4.2个月。团队长期处于「招人—流失—再招人」的恶性循环，HR部门疲于补人，业务部门抱怨新人质量越来越差。 Task（任务） 将年离职率降到35%以下，同时确保新人平均上手时间不超过3个月。 Action（行动） 第一步：重构销售岗面试评估表。在原有的「行业经验」「沟通表达」「过往业绩」三个维度之外，新增「心理抗压测试」和「挫折情景模拟」两个必测项。具体做法是引入结构化情景面试题，比如：「如果你连续20天没有开单，你会做什么？」「客户在签约前最后一刻反悔了，你怎么办？」\n第二步：对销售团队所有主管做管理风格评估，把新入职销售与主管进行匹配度分析。新人优先分配给教练型倾向更强的管理者带教，同时对命令型管理者提供带教方式改进辅导。\n第三步：制作「岗位真实手册」。一份包含每天工作节奏、平均拒单率、客户画像、收入分布中位数等真实数据的文档，在终面前发给候选人，要求确认阅读后再做决定。\nResult（结果） 实施12个月后，该团队年离职率从68%下降至31%，新人平均上手周期从4.2个月缩短至2.5个月，全年销售业绩同比增长22%。更重要的是，团队的招聘需求从「持续补人」变成了「定向替换」，HR终于有余力做更精细的选人工作。 附：销售岗结构化面试评估清单（可直接用） 第一板块：抗压能力评估\n请候选人描述过去工作中经历过的最长一段「低谷期」，他是如何度过的？追问：当时做了什么关键决定？ 设置高压情景模拟（例：关键客户在签约前突然反悔），观察候选人的第一反应是归因外部还是向内找方案。 追问：如果连续被十个客户拒绝，你会先怀疑什么？团队、产品、还是自己的方法？ 第二板块：真实预期建立\n向候选人完整说明这个岗位一天的工作节奏（从早会到晚间复盘），请他判断哪个环节压力最大。 给出一组真实数据：本岗位过去6个月的平均收入中位数和前30%的收入水平，请他确认是否能接受。 坦诚告知：这个岗位前30天内最可能让人想离开的原因是什么。让候选人做出知情决策。 第三板块：管理匹配度预判\n请候选人描述过去合作最愉快和最痛苦的上司，分别是什么样的管理风格？为什么？ 明确告知管理风格：公司是偏向「自主推进」还是「按指令执行」，比例大概是多少。请他判断是否适应。 新人第一个月内，他希望上级在哪些方面给予支持？频率和方式是什么样的？ 写在最后 销售岗招聘的难，难的地方不在渠道，不在简历量，甚至不在面试技巧。真正的难点在于，大多数面试官花了太多时间判断「这个人能不能干销售」，却很少花时间判断「这个岗位适不适合他干」。\n如果你的销售团队也在经历「招十个走七个」的循环，不妨先停下来，把过去半年的离职数据拉出来看一看。很多时候，答案就在那些离开的人说的话里。关键是你愿不愿意停下来听。\n","permalink":"https://www.gdrar.cn/posts/sales-hiring-retention-root-causes/","summary":"\u003cp\u003e销售岗的招聘预算永远是最高的，但销售团队的稳定性往往是最差的。我所在的公司集团旗下有五家业务子公司，销售团队加起来超过200人，去年全年销售岗离职率跑到了63%。也就是说，年初招进来的10个销售，到年底能留下来的不到4个。\u003c/p\u003e","title":"销售岗招人为什么这么难稳定？HR最容易踩的三个坑"},{"content":"线上测评能不能替代面试？过去一年我被不同的业务负责人问过至少十次。每次我都回同一句话：看你想要什么。如果你只想找一个标准化的理由快速刷掉一批候选人，测评完全可以。但如果你想搞清楚这个人到底能不能在具体岗位上干活，面试不仅不能被替代，反而应该做得更深。\n这个结论不是靠感觉说的。\n上季度我们内部做了个专项复盘，拉出去年所有同时经过线上测评和至少两轮面试才入职的员工数据——总共47人，覆盖销售、运营和技术三个序列。对比分析做完之后，有些判断我自己都觉得意外。\n「替代面试」的诱惑从哪来 先客观说一句，线上测评这几年确实进步很大。\n和过去那种只出几道性格题就给你贴标签的工具不一样，现在主流的测评产品已经开始整合认知能力测试、情境判断测验和行为倾向量表，部分产品甚至加入了AI模拟面试和语音分析。从效率角度看，一套40分钟的在线测评，覆盖的信息维度比一场30分钟的面试更标准化，数据可追溯，还不受面试官当天状态的影响。\n我见过做得最激进的一家公司——处于快速扩张期的互联网中厂，直接把技术岗的初面取消，改成线上测评+代码测试的联合筛。候选人测评总分没过线，直接不发面试邀请。HR跟我说这么做之后招聘流程从平均12个工作日压缩到了7个。\n效率提升是真的，但问题也是真的。\n数据告诉我：测评和面试判断的是两回事 我们复盘那47个员工时做了三个维度的交叉对比：线上测评的综合评分、面试官终面评分、入职六个月后的绩效结果。数据拉平之后有三组结论特别有意思。\n第一，测评和面试的评分相关性其实很低。47个人里，有8个人的测评排名和面试排名差了超过50个百分位。也就是说，测评分数排在前面的人，面试表现可能只是中游，反过来也一样。这说明两个工具打分的不是同一套东西。\n第二，绩效结果和面试评分的关联度（r=0.41）明显高于和测评评分的关联度（r=0.26）。翻译成大白话就是：面试聊得好的员工，实际干得好的概率更高；而测评分数高不见得绩效就好——尤其是面对需要复杂人际判断和不确定场景的岗位时，这个差距更大。\n第三，最危险的一种情况：测评排前20%但面试表现一般的人，入职后的留存率反而是最低的。我们内部复盘时对这个现象分析了好几次，后来得出的结论是——这些人往往很善于理解测评题目背后的「标准答案」，但真实工作场景没有那么多标准题目可做。\n一次让我后背发凉的招聘复盘 具体说一个案例。\nSituation（背景）：去年Q2，我们给一家合作的新零售客户搭建华东区的销售团队。客户方HR负责人非常推崇线上测评，认为传统面试效率低且主观性强。在她的坚持下，我们的筛选流程变成了：线上测评初筛（综合分低于70分直接淘汰）→测评通过者直接安排业务终面→终面通过即发offer。\nTask（任务）：需要在5周内到岗4名区域销售经理，覆盖上海、杭州、南京三个城市。\nAction（行动）：第一批收到278份简历，线上测评筛选后剩下32人进入终面。其中有一位候选人A，测评报告亮眼——认知能力S级、沟通影响力A级、执行力A级，综合排名第一。客户方的HR和销售总监看到报告后都非常满意，终面只谈了20分钟就拍了板。我当时在面试反馈表上写了一句备注：建议深入了解他在传统零售行业的渠道管理经验，但这条意见没有引起重视。\nResult（结果）：A入职后的第一个月，销售额排名在全团队13个人里排第11。更严重的是，他负责的杭州区域有两家核心经销商在第二个月相继反馈沟通不畅，说这位新经理「坐着聊什么都好，一到现场处理问题就翻车」。第三个月，A主动提了离职。客户方销售总监在复盘会上说了一句话我到现在都记得：「测评报告看起来什么都能干，但到经销商那里喝顿酒就知道这人不合适。」\n那次补招花了40天，直接招聘成本和间接业务损失加起来，保守估计超过35万。\n后来我们重新评估了A的面试记录——不是面试没看出问题，而是面试官已经被那份漂亮的测评报告「锚定」了，所有负面信号都被下意识地合理化。\n关于测评和面试各自的有效边界，我之前在面试和测评哪个更适合用来选人，这次复盘给出了新答案里做过更详细的数据拆解，这里不重复了。但那次复盘之后我们内部形成了一个新的共识：线上测评和面试不是二选一的关系，而是不同水位上的两道滤网。\n测评做筛选，面试做判断 我现在的用法是这样的：\n线上测评做初筛：在简历量大的阶段，用测评的标准化数据做第一道过滤。重点看认知能力和岗位基础匹配度，而不是拿总分一刀切。每个岗位筛选阈值根据过往数据动态调整，不做固定死线。 面试做选人判断：进入面试环节后，测评报告只作为参考背景，面试官必须独立形成判断。尤其要关注测评报告中「偏高但面试感觉不对」的指标——往往那里藏着最大的风险。 交叉验证阶段：终面前，把测评报告里的关键信号写成假设，在面试中针对性验证。比如测评显示候选人「执行力强」，面试就可以追问一个具体的项目执行细节，看他是否只是在答题层面擅长。 这个流程用了一年多，终面通过率从原来的67%降到了54%，但半年留存率从72%涨到了86%。效率看起来低了，但选人的准确率上来了。\n一份实操模板：测评×面试协同决策表 下面这个表是我团队内部用的，分享出来供你参考。\n第一步：明确每个岗位的筛选层级\n序列 测评核心看什么 面试核心看什么 谁有否决权 销售类 沟通倾向、抗压基线、认知速度 行业经验厚度、客户冲突处理能力 面试官（一票否决） 技术类 逻辑推理、学习敏锐度 工程思维、协作意愿、代码评审 面试官+技术负责人 职能类 责任心、规则遵循度 复杂沟通、跨部门推动力 面试官 管理类 决策风格、团队关注度 战略思维、带团队的真实案例 面试官+上级 第二步：建立「测评红黄绿灯」机制\n绿灯（测评与面试一致）：正常推进 黄灯（测评好但面试一般）：加一轮情境面，重点关注面试中的模糊信号 红灯（测评差但面试好）：回溯测评过程是否有效，必要时重新测评或用结构化面试补位 第三步：每季度校准一次阈值\n每年初定好的测评截断分数不应该一成不变。拿上个季度的入职数据倒推，看实际绩效表现和测评分数之间的曲线关系，找到真正的有效分割线。我们自己的数据就显示，同一个测评工具的销售岗位有效截断点每年在变——因为市场环境变了，岗位对人的真实需求也在变。\n有一篇之前写的文章也提到了类似的问题：测评分数前20%的员工半年后绩效垫底，我重新理解了预测能力的边界。文中复盘的那个案例和这次的发现指向的是同一个核心矛盾——测评擅长测稳定特质，但不擅长预测人在真实环境中的行为变化。\n线上测评会替代面试吗 我的判断是不会，也不应该。\n工具会升级，效率会提升，面试的形式也会变——比如越来越多的公司开始用AI模拟面试做初轮交互，这本质上还是面试，只是载体变了。但面试之所以不可替代，不是因为它有多完美，而是因为选人这件事的终点判断需要一个活人来承担。\n测评给的是概率，面试做的是决定。\n一份测评报告可以告诉你「这个候选人有73%的匹配度」，但73%剩下的那27%里，可能藏着这个人在关键时刻能不能扛事的关键信息。这些信息只有在面对面的追问、对抗性讨论和真实情境模拟中才会冒出来。\n工具用得越重，判断的责任就越不能外包。\n所以如果你也在纠结「线上测评是不是在替代面试」，我的建议是反过来想：不是考虑用测评减少面试，而是考虑用测评帮面试变得更精准。先把两道滤网的职责分开，再让它们互相校准。这才是测评和面试之间最有效的关系。\n","permalink":"https://www.gdrar.cn/posts/online-assessment-replace-interview/","summary":"\u003cp\u003e线上测评能不能替代面试？过去一年我被不同的业务负责人问过至少十次。每次我都回同一句话：看你想要什么。如果你只想找一个标准化的理由快速刷掉一批候选人，测评完全可以。但如果你想搞清楚这个人到底能不能在具体岗位上干活，面试不仅不能被替代，反而应该做得更深。\u003c/p\u003e","title":"线上测评会不会让面试变得多余，我用数据做了个判断"},{"content":"做年度招聘复盘的时候，我把过去一年通过终面的83名新员工数据重新拉了出来。不是看常规的留存率，而是把每个人的面试终评分、测评报告结论和入职六个月后的绩效结果做了交叉比对。\n目的是回答一个老问题：面试和测评，到底哪个更适合用来选人？\n结果让我挺意外的。\n面试这边：终面评分排前30%的人，半年后绩效进入前30%的比例是62%。也就是说，面试官集体打高分的候选人里，将近四成的人实际表现没达到预期。\n测评这边：测评报告显示高度匹配的人，半年后绩效达标率是68%。比面试略好，但同样有大概三分之一的人对不上。\n但这两个数字放在一起看的时候，有意思的事情出现了——面试高分和测评匹配同时满足的人，半年后绩效达标率直接跳到了81%。\n说实话，这个数据比我之前想的要乐观。它说明两件事：第一，面试和测评单独用都有明显的天花板；第二，两套信号放在一起互相校验，效果远超单打独斗。\n一次让我彻底改观的选人复盘 STAR 案例\nSituation：去年三季度，公司要组建一个新的技术产品团队，核心岗位包括产品负责人和前端技术组长。HR部门和业务负责人同步推进了两套评估——结构化行为面试和第三方人才测评。两个候选人同时进入终选。\nTask：候选人A在面试中表现极其出色，思维敏捷、对答如流，业务负责人和HR面试官几乎一致打了高分。但他的测评报告在「抗压稳定性」和「团队协作倾向」两个维度亮起了黄灯。候选人B面试表现中规中矩，没有特别出彩的地方，但测评结果很均衡，没有明显短板。两个候选人，两套结论，完全相反。\nAction：我没有直接拍板选B，而是针对测评报告提示的风险点，给A安排了一场追加的深度行为面试。重点不是再问业务能力，而是专门追问他在过去项目里遇到团队分歧和项目压力时的真实处理方式。连问了三个具体场景，才发现A在过去两段工作中都出现过因为抗压能力不足导致的提前离职——这些信息在第一次面试里完全没有暴露。\nResult：最终录用了B。入职6个月后，B的绩效评估拿了A-，团队反馈也很正面，现在已经独立带一个子模块了。A去了另一家公司，三个月后HR同行来背调时透露，A因为跟团队合作问题已经离职。这次决策的直接收益，按重招成本估算，至少帮公司省了15万以上。\n这个案例帮我理清了一个核心逻辑：面试看的是「愿不愿意干」和「能不能说清楚」，测评看的是「底层特质倾向」和「潜在风险点」。两个信号放在一起对照，比任何一个单独看都更有参考价值。\n为什么面试容易走眼？我在这篇里写过一个观点——HR筛简历全靠直觉判断的问题，在面试环节同样存在。面试官容易被候选人的表达能力和现场感染力带偏，尤其是遇到表达型人格的候选人，很容易在沟通流畅度上打高分，忽略了对稳定性、抗压性这类底层特质的评估。\n而测评的问题，我在这篇里也聊过——测评分数前20%的人半年后绩效垫底，不是测评不准，是它只能告诉你一个人「大致是什么样」，不能告诉你在具体业务场景里他「能不能做出来」。\n所以我现在带团队做招聘，有一个很明确的原则：面试和测评不是先后关系，是交叉验证关系。\n面试+测评交叉验证评估清单 下面这套清单是我在过去半年里反复迭代出来的，适合在终选环节做最终判断时使用：\n1. 面试高分 + 测评匹配 → 正常推进 两者信号一致，是最理想的情况。直接走录用流程。\n2. 面试高分 + 测评有预警 → 追加深度行为面试 不要直接否定，也不要忽略预警。针对测评提示的风险维度，设计至少三个真实场景的追问，看候选人有没有自驱的反思和改善动作。\n3. 测评匹配 + 面试存疑 → 增加案例分析或情景模拟 面试存疑可能是因为紧张或者表达风格不同。加一个真实的业务案例让他做现场分析，能帮你区分是临场发挥问题还是真实能力差距。\n4. 面试低分 + 测评不匹配 → 果断放弃 两套信号都指向同一个结论，不需要再找理由。\n5. 两者都中等 → 回到岗位需求本身 确认哪些维度是硬门槛、哪些是可以通过培养补齐的。如果岗位本身有较长的培养周期，中等水平的候选人未必不能用。\n这个清单最有价值的地方，不是帮你做决策，而是逼着你别只挑自己喜欢的那个信号看。大多数选人失误，不是面试或测评出了问题，而是两个信号明明有矛盾，决策者却只取了自己倾向的那一个。\n做招聘这么多年，我越来越不相信一招鲜的选人方法。不管面试流程设计得多完善，或者测评系统多先进，单独用都有天花板。真正提升命中率的办法，是让面试的场景判断力和测评的结构化数据互相校验。\n下次选人遇到纠结的时候，别问「面试和测评哪个更靠谱」，改问一句：我手里的这两个信号是互相印证，还是互相矛盾？如果是后者，值得多花半小时把矛盾点挖出来。那半小时经常是整个招聘流程里最有价值的一段时间。\n","permalink":"https://www.gdrar.cn/posts/interview-assessment-which-reliable/","summary":"\u003cp\u003e做年度招聘复盘的时候，我把过去一年通过终面的83名新员工数据重新拉了出来。不是看常规的留存率，而是把每个人的面试终评分、测评报告结论和入职六个月后的绩效结果做了交叉比对。\u003c/p\u003e","title":"面试和测评哪个更适合用来选人，这次复盘给出了新答案"},{"content":"季度绩效复盘会上，销售总监把一叠报告甩在桌上，脸黑得吓人。\n「你们看看这个，测评分数全部门前五的人，上半年业绩排倒数。」他指着绩效排名表说，「当初招进来的时候，测评报告上写的是什么——销售潜质突出、目标驱动力优秀。结果呢？」\n我没说话，但心里咯噔了一下。因为这个人当初是我亲自面的，那一份测评报告我也看了，确实漂亮。DST组合、高目标导向、高压下决策稳定性高于90%的常模群体。怎么看都像是捡了个宝。\n半年后的现实给了所有人一巴掌。\n一、352人的数据跟踪，让我看到了不想看到的真相 这件事让我下定决心做一次系统性复盘。\n我把过去三年经手的352名员工拉了一条数据链——入职测评分数、半年绩效评估、年度绩效排名、以及主管的360度评价。想回答一个核心问题：人才测评到底能不能预测工作能力？\n结果有点残酷。\n测评分数与半年绩效的相关系数只有0.31。什么概念？统计学上属于弱相关。也就是说，测评分数高的人，确实有略高概率表现好，但这个「略」字，远远撑不起「预测」这两个字。关于这个结论的更完整分析框架，可以参考我之前写的人才测评系统到底有没有用，那篇用的是五年维度的数据和更宽的分析视角。\n更扎心的是，我拆出了两个极端群体：\n测评分数前20%的人里，有将近三分之一在半年内绩效跌到了部门后50% 测评分数后20%的人里，也有约15%的人在新岗位上表现超出预期 换句话说，看测评分数猜一个人半年后干得怎么样，准确率大概只比抛硬币好那么一点点。\n测评到底测了什么 不是说测评没用。它测的东西是真的——性格特质、行为倾向、认知风格，这些都是真实存在的个体差异。问题在于，工作能力是一个远比这些复杂得多的多变量函数。\n测评能看到的，是一个人的出厂配置。但工作表现的最终结果，还取决于：\n团队氛围和文化适配度 直属领导的管理风格 业务阶段的变化速度 个人在真实环境中的学习适应能力 甚至运气 这些变量，测评报告一个字都看不到。\n二、一个典型的「测评满分，现实打脸」案例 用STAR结构拆一个印象最深的案例。\nSituation（背景）：2024年初，电商事业部需要招聘一名运营总监，负责三个品类的整体运营策略和管理。候选人老周，简历光鲜，有大厂背景，面试表现中上。\nTask（任务）：带领现有15人团队完成年度GMV增长目标，同时完成品类结构调整。\nAction（行动）：老周在管理潜质测评中拿到了S级综合评分，其中决策魄力和变革推动力两个维度接近满分。业务负责人和HR一致认为这就是最佳人选，快速推进了录用流程。过程中没有做额外的情景模拟验证，也没有进行深度文化匹配度评估。\nResult（结果）：入职三个月后，团队内部开始出现矛盾。老周的高决策魄力在真实场景中表现为听不进意见、频繁推翻已有流程；高变革推动力则变成了不顾团队承受能力的冒进。五个月内核心运营走了两个，季度GMV目标完成率只有67%，远低于预期。\n这个案例让我明白一个道理：测评描述的是一个人的行为倾向，不是他的实际能力。倾向在特定环境下的转化率，取决于太多不可控变量。 三、正确姿势：把测评当指南针，别当水晶球 那测评到底该怎么用？我踩过坑之后，总结了三条原则。\n原则一：测评不是筛选器，是对话启动器 错误做法：分数高于某个阈值就面试，低于阈值直接淘汰。\n正确做法：把测评结果当作面试中的探索地图。「你的报告显示你在团队协作维度得分偏低，能跟我讲一个你最近跟团队合作的真实案例吗？」——这样问出来的信息，比分数本身有价值十倍。\n原则二：用交叉验证代替单一依赖 至今为止，我见过的招聘准确率最高的团队，从来不用单一工具做决策。他们有一套组合拳：\n测评看倾向 结构化面试看经验 情景模拟看能力 文化匹配评估看包容度 试用期目标看执行 少任何一个环节，预测准确率都会断崖式下降。\n原则三：高分要警惕，低分要验证 这是我自己的血泪教训。测评分数越极端，越需要做验证。\n某个维度接近满分 → 追问：这个特质在过去实际工作中曾经给你带来过什么麻烦吗？ 某个维度明显偏低 → 追问：你过去是怎么应对需要这个能力的情形的？ 如果你已经上了测评系统但依然频繁招错人，我建议你先别急着换工具，而是重新审视你的使用方式。这个问题我在测评系统用上了还在招错人，问题根本不在测评里有更详细的展开，核心观点是：绝大多数误判不是因为测评不准，而是因为你把测评结果当成了结论而不是线索。\n四、实操模板：测评结果面试验证清单 以下是我现在每次面试都会带的对照清单，分享出来给你参考。\n测评维度 vs 面试验证问题 高分维度：\n「你的报告显示你在XX维度得分很高，能举一个这个特质帮你解决过难题的真实案例吗？」 「这个特质有没有在某个阶段给你带来过反作用？」 低分维度：\n「如果让你做一件非常需要XX能力的事情，你会怎么应对？」 「你过去有没有因为XX能力不足导致出过问题？后来怎么弥补的？」 中间区域：\n「在XX维度上，你理想中的状态是什么？现在差在哪？」 「最近半年你有没有在XX方面刻意做过什么调整？」 这个清单看着简单，但真正用起来非常考验面试官的追问能力。追问得越深，测评报告的参考价值就越高。\n五、回到那个核心问题 人才测评真的能预测工作能力吗？\n我的答案是：能，但极其有限。把它当作预测工具，你会失望；把它当作理解工具，你会惊喜。\n测评能告诉你的，是一个人在特定维度上的相对位置和倾向偏好。但它无法告诉你，这个人到了你的团队、你的业务环境、你的管理风格下，会呈现出什么样的工作表现。后者才是工作能力的真正定义。\n这就像拿一份食材的营养成分表来判断一道菜好不好吃。营养成分表有用，但它决定不了厨师的烹饪水平、客人当天的口味偏好、以及餐桌上的氛围。\n我至今仍然在招聘中使用测评，但我再也不迷信它了。\n如果你也在纠结「测评到底准不准」，我的建议是：先问自己一个问题——你想要的是一个能帮你做决策的工具，还是一个能帮你更好了解候选人的工具？\n这两者的区别，决定了你是把测评当成水晶球，还是指南针。\n","permalink":"https://www.gdrar.cn/posts/assessment-score-performance-gap/","summary":"\u003cp\u003e季度绩效复盘会上，销售总监把一叠报告甩在桌上，脸黑得吓人。\u003c/p\u003e\n\u003cp\u003e「你们看看这个，测评分数全部门前五的人，上半年业绩排倒数。」他指着绩效排名表说，「当初招进来的时候，测评报告上写的是什么——销售潜质突出、目标驱动力优秀。结果呢？」\u003c/p\u003e","title":"测评分数前20%的员工半年后绩效垫底，我重新理解了预测能力的边界"},{"content":"绩效复盘会上，销售总监把一摞绩效评估表拍到桌上，指着一个名字说：\n——这个人的测评分数是这批入职新人里最高的，结果三个月业绩垫底。\n类似的场景，我这些年经历过太多次了。\n这位同事的背景其实很漂亮：大厂出身，面试表现对答如流，性格测评显示高执行力、高抗压、高人际敏感度——三个核心维度全部亮绿灯。按所有标准流程走下来，他就是那个\u0026quot;对的人\u0026quot;。\n但问题就出在这个\u0026quot;对\u0026quot;字上。\n测评结果说他对，实际表现说他不合适。两边信息打架的时候，你信哪边？\n我花了大概两周时间，把近三年所有入职时做过完整测评、但试用期表现明显低于预期的案例翻了出来。一共整理出 127 份有效样本，按测评得分和实际绩效做了一次交叉对照。拆完之后，三个症结浮出水面。\n症结一：测评测的是\"理想状态\"，工作看的是\"混乱现场\" 几乎所有的性格测评和胜任力测评，都是在一种极其理想化的条件下完成的。没有噪音、没有突发状况、没有跨部门扯皮、没有资源短缺。人在这种状态下表达的行为倾向，和在真实工作场景中展现出来的完全是两码事。\n我见过太多测评报告上写着\u0026quot;高协作倾向\u0026quot;的人，一进到跨部门项目里就各种推诿扯皮。不是测评撒了谎，是测评场景和真实工作场景之间的差距被大大低估了。\n一个销售在测评问卷里可以轻松地选择\u0026quot;我善于处理拒绝和反对\u0026quot;，但真实场景里连续被五个客户挂电话之后还能保持同样状态——这个，测评测不出来。\n有两点在测评系统里几乎永远被压缩：情景压力和资源约束。前者决定了人在逆境中的真实反应，后者决定了人在有限条件下的决策质量。这两样东西，任何标准化测评都模拟不了。\n症结二：测评测的是\"自我认知\"，不是\"实际行为\" 市面上绝大多数自评式测评工具，本质上都在收集被测试者对自己的认知和评价。问题很直接：\u0026ldquo;你是否善于……\u0026quot;、\u0026ldquo;你是否倾向于……\u0026quot;。\n但人的自我认知和真实行为之间，存在一条巨大的鸿沟。\n我在那127份案例里做了一个交叉统计：自评得分和工作绩效之间的相关系数只有0.31。换句话说，一个人说自己是什么样的，跟ta实际干出来是什么样，两者之间的关联度非常弱。\n这一点在面试表现特别好但测评分数一般的候选人身上尤为明显。这类人往往有更强的自我反思能力，评分时不会给自己打满分，但实际工作中反而更容易调整和适应。而那些给自己各方面都打满分的候选人，反而容易在真实工作中碰壁——因为ta对自己的认知缺乏校准空间。\n自我认知准确度，本身就是一个被严重忽略的筛选信号。\n症结三：测评测的是\"特质\"，工作比的是\"能力转化\" 特质和能力转化是两件事。\n一个高尽责性的人，不代表ta在实际工作中能把责任心转化为执行力。一个高开放性的人，也不代表ta在跨部门协作中能真正吸收不同的意见。\n我在另一篇文章里详细拆过类似的问题——测评系统本身没有错，错的是我们把\u0026quot;测出特质\u0026quot;等同于\u0026quot;预测绩效\u0026rdquo;。\n特质只是一个起点，而能力转化才是实际表现的决定因素。这中间缺了一个环节：情境适应力。同样的特质放在不同的组织文化、不同的管理风格、不同的业务阶段里，产生的工作结果可能天差地别。\n这个变量，绝大多数标准化测评工具覆盖不到。不是测评不行，是我们对测评的期待超出了它本来能做的事情。\n一个真实的STAR案例 Situation：一家快速扩张的互联网公司，计划三个月内组建一支10人的区域销售团队，需要在两位候选人中选出销售团队负责人。A候选人测评得分92（高执行力、高亲和、高抗压），B候选人测评得分76（中高执行力、中协作、中抗压）。\nTask：面试官和管理团队几乎一致倾向A，认为测评分数碾压式的优势已经说明了问题。我提出先让两人分别试岗两周，用最小化任务做一次实战对比。\nAction：\nA在试岗期间团队沟通非常顺畅，快速建立了人际关系，但遇到第一个客户流失时情绪波动明显，后续方案调整意愿很低，倾向于用原来的方法反复试。 B虽然沟通风格偏直接，团队里有人跟他提过意见，但在第一周面对同样的客户拒绝时，马上调整了话术策略，两周内实际签约两家客户。 Result：最终我们选了B。B在正式入职后的第一个季度带领团队完成目标的128%，团队留存率90%。而A在另一家公司担任类似职位，三个月后我通过行业内线了解，试用期没有通过。\n这个案例让我意识到一个关键问题：测评分数高≠实战转化率高。 两者之间存在一个\u0026quot;情境适应性\u0026quot;的变量，这是比特质本身更值得关注的能力维度。\n附：测评结果交叉验证清单（可直接套用） 在每次依据测评结果做招聘决策之前，问自己以下五个问题。任何一个问题的答案不对劲，都说明测评结果需要校准。\n悖论验证：这位候选人的测评结果和ta的职业生涯履历有没有矛盾之处？比如测评写\"低风险偏好\"但履历显示频繁跳槽，或者测评写\"高协作\"但过往评价里提到过跨部门冲突。 反向场景追问：针对测评中得分最高的维度，让候选人用一个具体的失败案例反向描述。比如测出高抗压的人，让他说一件自己扛不住的事。如果ta说不出来，说明自我认知可能存在盲区。 最小化试岗设计：条件允许的情况下，在正式录用前设置一个低成本的试岗任务或模拟项目。没有什么比实际做一次事更能检验测评结果的含金量。 对照者视角补位：让候选人的前同事或过往合作者做一个简短的360度评价——从第三方视角印证自评结果的一致性。注意措辞方式，不要让候选人感到被质询。 压力回溯追问：在面试中加入一个压力情景的即时回应环节，观察候选人在真实压力下的行为模式，看是否和测评报告里描述的特质画像一致。 我一直以来的观点都是——测评服务的是判断，而不是替代判断。它提供参考维度，但最终的用人决策必须回到真实的工作场景中去验证。真正成熟的招聘体系，是把测评当作一面镜子，而不是一副眼镜。镜子照出候选人的自画像，但眼镜得你自己挑。\n","permalink":"https://www.gdrar.cn/posts/assessment-result-performance-gap/","summary":"\u003cp\u003e绩效复盘会上，销售总监把一摞绩效评估表拍到桌上，指着一个名字说：\u003c/p\u003e\n\u003cp\u003e——这个人的测评分数是这批入职新人里最高的，结果三个月业绩垫底。\u003c/p\u003e\n\u003cp\u003e类似的场景，我这些年经历过太多次了。\u003c/p\u003e","title":"测评数据和真实表现总是对不上，问题卡在测评看不到的三个死角"},{"content":"我一直觉得一个现象挺值得反思的——\n一家公司收到一百多份简历，HR花一两分钟过掉大部分，剩下的人进入面试环节聊四五十分钟拍板，然后入职不到三个月人走了。复盘的时候所有人异口同声：这个人性格不合适。\n性格测试就这么成了选人失误的万能解释。\n过去十年我看过太多公司，花几万块上测评系统、组织全员做性格测试、把测评报告当作选人的一票否决权。看起来流程严谨、科学理性，但实际效果呢？错招率没降，用人部门对HR的抱怨一点没少。\n我不是反对性格测评。它确实是一项有价值的人才评估工具。但工具的价值取决于使用方式，而不是工具本身有多贵或者报告有多厚。\n这些年我观察下来，企业用性格测试做招聘筛选，背后常常藏着三个不太好听但非常真实的问题。\n第一个问题：你在做测评，还是在贴标签 很多HR拿到测评报告，第一反应是看类型标签。\n哦，这个是D型，那个是I型；这个人执行力强，那个人擅长沟通。然后就拿着这个标签去套候选人，报告里写的维度拆解、压力场景表现、发展建议，根本没细看。\n测评变成了贴标签，标签变成了刻板印象。\n我见过一家公司的招聘主管，在面试记录里直接写：候选人为高D型，适合销售岗。没有行为证据，没有场景验证，甚至连候选人在实际工作中的沟通习惯都没问过。就因为报告上写着高D型，这个人就过关了。\n这是第一种懒：用标签代替判断。\n第二个问题：你是在验证自己的预判，还是在客观评估 面完一个人你觉得不错，拿到报告一看——果然是高执行力类型，候选人稳了。\n面完一个人你心里没底，拿到报告一看——报告说这个人偏内向，不太擅长沟通，果然跟你面试时的感觉差不多。\n这是典型的确认偏误。测评结果成了事后证明，而不是事前预测。\n我之前分析人才测评系统的真实效果时也提到过，工具的预测效度取决于使用方式——测评本身只是数据输入，判断才是价值创造。但很多企业把顺序搞反了：先有结论，再拿测评报告来找支撑。\n我曾经问一个HR：你拿到测评报告之后，有没有发现有报告和你的面试判断不一致的情况？她想了想说：好像确实有一两个。我又问：那你怎么处理的？她说：那肯定以面试为准啊。\n听起来合理，但这里有一个被忽略的问题——你以面试为准的依据是什么？你的面试里有没有针对测评提示的风险维度做结构化追问？如果没有，那面试和测评其实都在同一套信息偏差里打转。这叫双重盲区。\n这是第二种懒：用先入为主代替交叉验证。\n第三个问题：测完了，然后呢 大多数企业的测评流程止步于报告出来那一刻。\n报告里的发展建议没人跟进，测评发现的潜在风险没人去面试中验证，半年后复盘时也没人回头去看当初的测评预测到底准不准。\n只有测评，没有闭环。\n前两年我帮一家电商公司做招聘复盘，调了四十八份新员工的测评报告和入职后的绩效数据做交叉分析。结果发现了一个非常扎心的现象：测评报告本身和后期绩效表现的相关性其实不低，但问题出在面试环节——绝大多数面试官拿到报告后，只是简单扫了一眼标签就去面试了，没有针对报告提示的风险维度做任何深挖。\n举个例子，有一个候选人的测评报告明确提示：抗压能力偏弱，在高压环境下容易出现决策犹豫。面试官看到这一条，面试时只问了一个问题：你抗压能力怎么样？候选人回答：挺好的。然后就没有然后了。\n这就是典型的花了钱白做了测评。\n这是第三种懒：有测评没闭环，有数据没应用。\n三个问题的根源 把这三个问题放在一起看，根源其实只有一个：我们把工具当成了判断的终点，而不是判断的起点。\n性格测试也好，人才测评系统也好，它们最核心的价值不是给你一个yes或no的答案，而是给你一个方向——告诉你哪些问题需要去面试中深入验证、哪些维度是这个候选人的潜在风险点、哪些特质需要在后续的管理中重点关注。\n如果只是发一份报告、贴一个标签、然后照旧凭感觉做决定，那测评确实等于零。甚至还不如不做，因为错误的安全感比没有安全感更可怕。\nSTAR案例：测评用对了是什么样 Situation\n2023年下半年，一家正在快速扩张的电商公司找到我。团队从五十人扩张到一百二十人之后，各种问题集中爆发：跨部门扯皮越来越严重，中层管理者带不动团队，新员工半年内的离职率飙到百分之三十八。HR部门怀疑是招聘出了问题，但说不清楚具体错在哪。他们当时用的是市面上比较热门的一套性格测评系统，每个候选人入职前都做，但效果看起来并不理想。\nTask\n我的任务是复盘过去半年内通过测评入职的所有新员工的招聘数据，搞清楚到底是测评不准，还是测评用得不对。\nAction\n我调取了四十八份新员工的测评报告和入职后的绩效数据，做了三件事：\n第一，把测评报告里的维度得分和实际工作中的关键行为做交叉对比； 第二，和每位新员工的直属上级做一对一访谈，收集真实绩效反馈； 第三，抽看了当时的面试记录，看面试官有没有结合测评结果做有针对性的追问。\n结果发现：四十八份测评报告本身的预测准确性其实不低。真正的问题出在面试环节——面试官几乎完全忽略报告里提示的风险维度。\n基于这个发现，我帮他们设计了一套 测评结果+针对性追问 的面试追问模板，要求面试官必须针对报告中提示的每一种风险维度准备至少三个行为面试问题。同时调整了测评的决策权重——从一票否决改成参考输入，与结构化面试结果综合使用。\nResult\n调整之后的六个月复盘数据：\n新员工半年留存率从百分之六十二提升到百分之八十一 新员工绩效达标率从百分之五十五提升到百分之七十三 面试官普遍反馈面试质量明显提升，尤其是在追问环节 这个案例让我更加确信：不是测评没用，是大多数企业只用了测评的皮毛。把一件本该深度结合判断流程的事，简化成了发一份报告就交差。\n实操模板：测评结果面试追问清单 当测评报告提示候选人可能存在某一维度的风险时，面试官应该针对该维度做结构化的行为追问。以下是三组最常见的风险维度及对应的追问问题：\n维度一：责任意识偏弱（测评提示：细节把控能力不足） 请分享一个你在过去工作中因为疏忽导致的失误。当时是怎么发生的？你事后做了什么改进？ 你如何确保工作中重要的节点不被遗漏？有没有用过什么具体的工具或方法？ 假设你负责的项目有一个关键节点的交付高度依赖另一个部门的配合，但对方迟迟不给反馈，你会怎么处理？ 维度二：抗压能力偏低（测评提示：高压环境下决策质量下降） 请描述一段你在高压下同时处理多项任务的经历。你是如何安排优先级的？最终结果如何？ 过去一年你经历过最有压力的一个项目是什么？你当时每天的工作状态是怎样的？ 如果有重要项目的截止日期突然压缩了一半，你的第一反应是什么？接下来会怎么做？ 维度三：团队协作偏弱（测评提示：独立倾向明显，合作意愿不强） 分享一次你和同事在项目中产生意见分歧的经历。你们的观点各是什么？最终怎么解决的？ 你过去工作中最不习惯和哪种类型的同事合作？为什么？你是如何调整的？ 如果你认为你的方案比团队其他人的方案都好，但多数人支持别人的方案，你会怎么做？ 这个追问清单的核心原则只有一条：不问测评已经回答过的问题，只问测评还没来得及回答的问题。\n就像我在分析DISC性格测试准确性时反复强调过的——同一份报告，会不会用，结果天差地别。\n写在最后 性格测试本身不是一个坏工具。但把它当成选人的万能答案、替代本该由面试官做深度判断的理由，那就是在偷懒。\n真正负责任的招聘流程，不是上了测评系统就万事大吉。而是用测评帮你提出更好的问题、更精准地验证你的判断，让每一次面试都更有穿透力。\n你上周用测评报告筛掉的那个候选人，你真的了解他吗？\n还是只看了一眼报告上的标签，就觉得自己做了足够多的事。\n","permalink":"https://www.gdrar.cn/posts/personality-test-screening-three-questions/","summary":"\u003cp\u003e我一直觉得一个现象挺值得反思的——\u003c/p\u003e\n\u003cp\u003e一家公司收到一百多份简历，HR花一两分钟过掉大部分，剩下的人进入面试环节聊四五十分钟拍板，然后入职不到三个月人走了。复盘的时候所有人异口同声：这个人性格不合适。\u003c/p\u003e","title":"每次看到公司拿性格测试筛人，我都想替候选人问三个问题"},{"content":"DISC和MBTI到底哪个更准——我几乎每做一次HR分享都会被问到这个问题。\n更麻烦的是，问这个问题的人往往已经花了不少时间研究过两个工具的资料，翻来覆去看了一堆对比文章，结果越看越糊涂。不是他们不认真，而是这两个工具从底层逻辑上就不一样，硬放在一起比，就像问\u0026quot;尺子和温度计哪个更好\u0026quot;一样没意义。\n去年有个同行在微信上问我，说公司想引入一套性格测评，看了DISC和MBTI的厂商方案，觉得各有道理，不知道选哪个。我问了她三个问题：你想解决什么问题？用在什么场景？谁来用结果？她想了半天说，其实也没想清楚。\n这就是大多数企业的真实状态——先选工具，再想用途。顺序搞反了，选哪个都会觉得不对劲。\n这篇文章我打算把两个工具掰开了讲透。\n之前写过一篇DISC性格测试到底准不准，也写过用MBTI做招聘判断的三重误区，但始终差一篇把两者放一起对比的。今天就补上。\n底层逻辑完全不同 DISC测的是行为风格——你在特定环境和压力下习惯怎么做事、怎么沟通、怎么反应。它是可观察的，也是可调整的。你今天D型得分高，不意味着你永远是D型，换一个环境、换一个领导、甚至换一个项目都可能改变。\nMBTI测的是心理偏好——你天然倾向于从哪个方向获取能量、怎么处理信息、怎么做出决策。它更接近认知底层的东西，相对稳定。一个INTJ不会因为换了部门就变成ESFP，虽然他可以在工作中表现得很外向，但那只是适应性行为，不是他的能量来源。\n说人话就是：\nDISC看你平时怎么做 MBTI看你骨子里怎么想 这个区别决定了两个工具完全不同的应用场景。但我在实际工作中见过太多次用反的例子。\n各自能干什么，不能干什么 我见过一个让我印象深刻的错配：某公司用DISC给核心管理层做职业规划建议，用MBTI给销售团队做沟通培训。方向全反了，结果两边都不满意。管理层觉得DISC太浅，给不了长期方向;销售团队觉得MBTI太虚，跟日常怎么跟客户说话对不上。\n其实两个工具各有边界。\nDISC擅长的事情：\n团队沟通行为诊断——谁太冲、谁太闷、谁太较真 销售管理——识别销售风格和客户风格的匹配度 领导力发展——帮管理者看到自己的行为盲区 跨部门协作——快速理解为什么不同部门的人做事节奏差距那么大 MBTI擅长的事情：\n个人职业规划——你从什么类型的工作里获得能量 管理层梯队识别——哪些人天生适合做战略规划，哪些人适合做执行落地 团队角色多样性理解——为什么同一个任务，有人觉得兴奋有人觉得折磨 组织文化建设——从底层的认知倾向理解组织的行为模式 选型的原则不复杂：如果你的问题是\u0026quot;怎么改善做事的方式\u0026quot;，先看DISC；如果你的问题是\u0026quot;怎么理解人为什么会这么想\u0026quot;，先看MBTI。\nSTAR案例：两个工具怎么用在同一家公司 Situation\n一家在线教育公司，规模200人，销售团队50人。团队季度主动离职率长期在25%到30%之间徘徊，销售主管反映\u0026quot;大家各自为战，协作不起来\u0026quot;。管理层想引入一套性格测评，看了DISC和MBTI的方案，内部意见分成两派，互相说服不了对方。\nTask\n我作为外部顾问介入，任务不是替他们选一个，而是理清两个工具分别在什么环节发挥什么作用，然后制定一个分阶段的使用方案。\nAction\n第一步，我不是先上测评，而是让管理层回答三个问题：目前最痛的三个管理问题是什么？这些问题出在\u0026quot;怎么做\u0026quot;上还是\u0026quot;怎么想\u0026quot;上？谁最需要先看到测评结果？\n销售总监的回答很直接：销售跟售前配合不好，每周复盘会像吵架。团队内部太卷，大家互抢客户。新人上手慢，老人不愿意带。这些问题，清一色出在行为层面。\n所以我建议先做DISC。\n全员做完之后，数据让我心里有底了：销售团队里D型（支配型）和I型（影响型）占比超过70%，S型（稳健型）和C型（谨慎型）严重不足。这解释了为什么团队\u0026quot;冲\u0026quot;和\u0026quot;抢\u0026quot;的能力很强，但\u0026quot;跟\u0026quot;和\u0026quot;核\u0026quot;几乎没有——没人做后续跟进、没人做细节核查、没人主动安抚客户。销售主管自己就是高D，他对\u0026quot;慢\u0026quot;的同事天然缺少耐心，进一步压缩了S和C型成员的表达空间。\n基于这个数据，我们做了三件事：\n所有D型销售配一个C型售前支持，利用C型的谨慎和条理来弥补D型容易忽略细节的问题 每周复盘会引入\u0026quot;I型安静时间\u0026quot;——前15分钟只允许I型偏低的成员发言，确保内向的人有表达空间 按DISC组合重新编排项目小组，每个小组至少包含三种不同类型的成员 三个月后再看数据，情况改善明显。同步也做了核心管理层MBTI测评，结果发现60%的管理者其实更偏好在产品端深耕而不是带团队——这也是管理层频繁动荡的隐性原因。\nResult\n团队协作满意度提升30%（内部匿名调研） 季度销售转化率提升15%（从19%到21.8%） 销售团队季度主动离职率从25%降到10% 核心管理层离职率从25%降到8%（岗位调整后的两个季度数据） 这个案例很能说明问题：DISC和MBTI不是互相替代的关系，是用在不同环节、解决不同问题的工具组合。\n实操模板：测评工具选型决策清单 下次纠结选哪个的时候，拿这张表过一遍：\n优先选DISC的场景：\n团队沟通出现摩擦，需要快速诊断行为冲突 销售、客服、运营等岗位需要日常沟通管理 想用低成本、低理解门槛的方式在全员范围推广 管理者需要即刻可执行的沟通调整方案 培训后需要行为改善的可量化追踪 优先选MBTI的场景：\n个人或核心岗位的长期职业方向定位 管理层梯队识别和后备培养计划 深度理解团队内部认知风格的多样性 企业文化建设或组织发展诊断 需要从认知倾向解释绩效差异 两个都不选的场景：\n以为做了测评就能解决招聘准确率问题（测评只是信息输入，不是决策按钮） 没有内部解读能力、只打算看报告结论就做判断 管理层没有心理准备接受测评结果跟预期不一致 三个大多数企业踩过的坑 第一个：把测评结果当标签贴人。\n不管DISC还是MBTI，一个人的类型只代表他的偏好或习惯倾向，不是他的全貌。我见过一个技术总监看了一眼团队里新人的MBTI报告说\u0026quot;INTP不适合做客服支持\u0026quot;——但他忽略了这个新人过往一年客户满意度评分全组最高的事实。测评是参考框架，不是盖棺定论。\n第二个：不做交叉验证。\n单一测评工具的信效度本来就有限，单凭一份报告做决策风险极高。测评应该跟结构化行为面试、工作样本测试、过往业绩数据交叉验证。一个D型销售可能业绩很好，但他的D型风格在面对需要长期跟进的政府客户时就会吃亏——这个判断需要他的业绩数据和客户反馈来佐证，不是D型报告本身能告诉你的。\n第三个：用错场景。\n拿DISC做职业规划，拿MBTI挑销售——不是说完全不能用，而是效率低。DISC的分型在设计的时候就没有考虑\u0026quot;长期职业发展方向\u0026quot;这个维度，你硬要用它来回答这个问题，自然觉得它\u0026quot;不够深\u0026quot;。反过来，MBTI本来是做自我认知的工具，被拿来当销售潜力的筛子，那当然也会觉得它\u0026quot;不够准\u0026quot;。工具无罪，用错才是问题。\n选测评工具不是选\u0026quot;哪个更好\u0026quot;，而是搞清楚你当下要解决什么问题。DISC和MBTI各有各的边界，用对了都是好工具，用错了都是在浪费预算——和信任。\n","permalink":"https://www.gdrar.cn/posts/disc-mbti-difference-practical/","summary":"\u003cp\u003eDISC和MBTI到底哪个更准——我几乎每做一次HR分享都会被问到这个问题。\u003c/p\u003e\n\u003cp\u003e更麻烦的是，问这个问题的人往往已经花了不少时间研究过两个工具的资料，翻来覆去看了一堆对比文章，结果越看越糊涂。不是他们不认真，而是这两个工具从底层逻辑上就不一样，硬放在一起比，就像问\u0026quot;尺子和温度计哪个更好\u0026quot;一样没意义。\u003c/p\u003e","title":"DISC和MBTI到底差在哪，我用十年实战经验拆给你看"},{"content":"MBTI这四个字母这几年在职场里的热度，说实话，比我十年前刚做HR时高太多了。饭局上、培训课上、面试室里，动不动就有人聊自己是INTJ还是ENFP。我见过热情的招聘经理拿着MBTI报告筛简历，也见过候选人因为类型“不合适”连面试机会都没拿到。\n但我必须说句实话：MBTI作为选人工具，大半企业都用错了方向。\n我用十年招聘经验加三次踩坑经历，把最要命的三重误区拆开来讲。\n第一重误区：把四个字母当成一个人的全部画像 这是最普遍、也最危险的操作。\n很多业务部门管理者拿到候选人的MBTI报告，扫一眼四个字母，就下判断。“这个是I人，做销售肯定不行”“那个是P型，干不了项目管理”。我在一家互联网公司做招聘顾问的时候，就亲眼见证过一次荒诞的选人翻车。\n一个让我记了五年的案例 Situation（背景）：\n2019年，一家B轮创业公司要招一个销售总监，带着20人的团队冲年度5000万营收目标。VP认为销售负责人必须是E（外向）加J（判断型），这样才有“狼性”。\nTask（任务）：\n当时我们筛选了60多份简历，进入终面的有四个候选人。其中一个叫L的候选人，从业经验12年，带过三个完整的销售周期，历史业绩数据非常扎实。但MBTI测出来是INFJ——四个字母里三个不符合VP的偏好。VP看到报告当场就说：“INFJ不是做销售的料，不用聊了。”\n我争取了一下，说至少面一面，VP勉强同意。\nAction（行动）：\nL在面试中的表现出乎所有人的预料。他对销售管理的理解非常系统，从线索分级、客群策略到复购机制，逻辑链条极其清楚。他解释自己虽然是INFJ，但他在工作中会把“Feeling（情感偏好）”转化成对客户需求的深度洞察，用“Judging（判断偏好）”做销售漏斗的严格管理。他上一家公司把一支8人的销售团队从年产值1200万带到了2100万。\nResult（结果）：\nVP仍然犹豫，最后选了另一个ESTJ的候选人。结果那个人干了9个月，因为带不动团队、业绩指标只完成了58%，自己提了离职。\n而L在另一家同体量的公司入职后，一年内把团队从15人带到25人，营收从1800万拉到3200万。我知道这个数字的时候，说不后悔是假的。\n这个案例让我学到一件事：MBTI的类型标签只是入口，不是全貌。 一个人怎么运用自己的认知偏好，远比他的四个字母重要得多。\n第二重误区：把行为偏好当成能力高低 第二个误区更隐蔽——很多HR和管理者把MBTI测出的“偏好方向”等同于“能力强弱”。\n举个例子。MBTI的T（Thinking，思考型）和F（Feeling，情感型）描述的是你做决定时更倾向于用逻辑还是用价值观，而不是“理性能力”的高低。一个高T的人可能在激烈辩论中很强势，但未必懂得怎么把复杂方案讲给客户听；一个高F的人同理心强，但在需要快速决策时也可能犹豫不决。\n偏好不是能力，偏好是起点，能力是训练结果。\n我见过一个运营总监，MBTI是ESFJ——按刻板印象，SJ型适合执行不适合创新。但她在过去三年里主导了两个新产品线的运营策略，每个都实现了月活增长超过70%。她告诉我，她清楚自己的S（实感型）偏好容易陷进细节，所以每做一个新方案，她会刻意先让自己跳过执行细节，花24小时想“如果不受限，我会怎么做”，再回来做落地规划。\n这才是成熟职场人对工具的用法——知道自己倾向什么，然后有意识地去补什么。\n如果你把偏好当能力标签贴在候选人身上，本质上是在用一个侧面的快照去判断一个人的全貌。可以参考我之前聊过的测评系统用上了还在招错人的根因，那里面的分析逻辑放在MBTI上完全一致。\n第三重误区：把测评结果当成候选人的“天花板” 这个误区杀伤力最大，因为它直接影响了一家公司的人才格局观。\n很多公司做完MBTI测评，就把结果放进员工档案，然后按照类型分配岗位或者划定发展路径——I型人只能做后台，E型人适合做业务，N型人去搞战略，S型人做执行。\n这本质上是在用一把尺子丈量所有可能。\n我在面试里经常遇到候选人说：“我前公司让我测了MBTI，说我是ISTJ，适合做稳定性强的工作，不适合带团队。”说这话的人，有的是想转型但被测评结论挡住了，有的已经在原岗上做了三四年毫无成长。\n而实际管理经验告诉我，一个人的职业天花板从来不是性格类型决定的，是他的学习能力、自我认知和行业积累决定的。\nMBTI在招聘中应该怎么用——一个实操参考框架 说了这么多误区，总得给点能落地的东西。我现在带团队做招聘，会这样使用MBTI（以及其他性格测评工具）：\n面试前——作为假设线索\n候选人的MBTI报告我只花5分钟扫一遍，记下两三个可能需要在面试中验证的点。比如被测出高I（外向型）的候选人，我会在面试中专门问一个需要深入思考、不宜脱口而出的问题，看他有没有沉下来做分析的耐心。\n面试中——结构化验证\n以下是我自己一直在用的一个面试参考清单，配合测评结果但不依赖它：\n测评线索 面试验证问题 观察重点 高E（外向型） “请分享一个你独立研究并提出方案的经历。” 是否有深度思考的习惯 高N（直觉型） “描述一个你把创意落地成具体产品的过程。” 能否从概念走到执行 高P（感知型） “你过去一年如何管理多项并行任务的优先级？” 有没有建立自己的秩序系统 高F（情感型） “你做过最艰难的一次绩效面谈是什么？最后怎么处理的？” 能不能在同理心的基础上做出硬决策 这份清单不是标准答案，但它至少帮我避免了一种情况——只看到一个字母就闭环了判断。\n面试后——综合评估\n测评结果只占最终决策参考的10%以内，核心还是候选人过往的实际产出、解决问题的思维框架和价值观匹配度。测评更多是帮我看清“哪个方向需要重点考察”，而不是“这个人是留是走”。\n写在最后 MBTI能不能用来做招聘判断？我的答案是：能用，但不能靠它做判断。\n它是一份参考资料，不是判决书。它告诉你一个人可能倾向什么样的思考和行为方式，但不代表他只能用这种方式工作。真正成熟的招聘判断，靠的是结构化的面试验证、真实的业绩证据，加上面试官本身对人性的理解——这些都不是一份测评报告能替代的。\n如果你是HR或者管理者，手头正在用MBTI做选人参考，我建议你读一读之前那篇关于DISC性格测试到底准不准的文章。工具不同，误区的底层逻辑是相通的——把参考当结论，是多数测评工具在企业里失效的根本原因。\n而那些真正用人高手，从来不会在候选人身上贴死一个标签。\n","permalink":"https://www.gdrar.cn/posts/mbti-recruitment-judgment-mistakes/","summary":"\u003cp\u003eMBTI这四个字母这几年在职场里的热度，说实话，比我十年前刚做HR时高太多了。饭局上、培训课上、面试室里，动不动就有人聊自己是INTJ还是ENFP。我见过热情的招聘经理拿着MBTI报告筛简历，也见过候选人因为类型“不合适”连面试机会都没拿到。\u003c/p\u003e","title":"用MBTI做招聘判断的三重误区，每一个都让我付出过代价"},{"content":"DISC性格测试到底准不准——这个看似简单的问题，我过去两年里被问了不下三十次。每次回答，对方都期待一个「准」或者「不准」的结论。但做了这么多年HR，我越来越不敢给这种非黑即白的答案。\n因为这个问题本身就问错了方向。\n准不准，取决于你拿它来干什么。拿菜刀切水果，你会觉得这刀不好用；拿菜刀劈柴，你又会觉得还挺趁手。刀没变，是你的预期出了问题。DISC也一样。\nDISC争议的根源：大多数人误解了它在测什么 我跟很多用过DISC的管理者聊过，发现一个普遍现象：他们以为DISC测的是「这个人是什么性格」，然后拿着结果去判断一个人能不能胜任某个岗位。\n这是个很常见的误区。DISC从来不是性格诊断工具，它测的是行为偏好——一个人在特定环境下倾向于怎么说话、怎么做事、怎么与人协作。行为和性格之间有相关性，但不能画等号。\n举个例子。我团队里有个销售总监，DISC测出来是高D（支配型），报告上写着「果断、目标导向、喜欢挑战」。这描述准确吗？准确。但能说他的「性格」就是强势吗？不一定。他在跟客户谈方案的时候，可以非常耐心地听两个小时，表现出极强的S型（稳健型）特质。他的行为方式会随着场景切换。\n这就是DISC的第一个盲区：它捕捉的是偏好，不是能力，更不是性格全貌。\n企业用DISC最容易踩的三个坑 光说理论没意思，直接讲我这两年观察到的真实问题。\n坑一：拿DISC做招聘筛选标准。\n我见过不止一家公司，在JD里直接写「要求D型人格」或者「S型优先」。这属于典型的工具滥用。DISC测的是行为偏好，不是岗位胜任力。一个高D的人可能在销售岗位上冲劲十足，但如果他缺乏基本的客户洞察能力和行业知识，光有D型特质也出不了业绩。反过来，一个偏S的销售，如果产品够好、流程够成熟，照样能做到Top Sales。\n之前我在文章里聊过关于测评系统用上了为什么还在招错人的问题，那里面的逻辑放到DISC上完全适用——工具本身没问题，用的人把路走歪了。\n坑二：过度解读报告上的每一个字。\nDISC报告通常会列出很多行为特征描述，有些描述非常具体。问题在于，人看到一份说自己很准的报告时，会产生强烈的确认偏误——把其中符合自己的部分放大，把不符的部分忽略掉。管理者拿这份报告去套下属也是一样的道理。先入为主之后，你眼中的下属就不再是一个活生生的人，而是一张标签。\n坑三：只看个人，不看搭配。\n这是我认为最大的浪费。DISC真正的价值不在单独分析某个人，而在看清一个团队的行为风格组合是否合理。我之前帮一个研发团队做复盘，发现团队里C型（谨慎型）占比超过70%，所有决策都要反复论证、层层把关。这放在做核心系统开发的时候是优势，但当公司要求快速迭代出MVP的时候，整个团队就卡住了——不是能力不行，是行为风格的集体惯性拖慢了节奏。\n一个完整的STAR案例：销售团队用DISC做管理调整 这个案例来自我合作过的一家互联网公司，当时他们的情况很有代表性。\nSituation（背景）： 销售团队20人左右，业绩连续三个季度卡在月均380万上不去。更头疼的是，团队内部沟通摩擦频繁，三个月内三个销售骨干提了离职。业务负责人找我帮忙做诊断，他一开始的判断是「激励不够」，准备给高绩效的人加奖金。\nTask（任务）： 我需要帮他搞清楚——业绩停滞到底是动力问题，还是团队结构问题。如果是结构问题，加奖金只会让内耗更严重。\nAction（行动）： 我先建议给整个团队做了一轮DISC测评，不是为了筛人，而是为了看清风格分布。\n数据拉出来之后，问题一目了然。团队里D型（支配型）占比高达60%，I型（影响型）占25%，S型和C型加起来只有15%。整个团队是一群高驱动、高支配的人挤在一起——每个人都想说了算，每个人都有自己的打法，但没有人愿意配合别人。\n我们做了一系列调整，核心思路不是改变人的风格，而是调整分工和协作方式：\n不再按区域划分客户，改为按客户类型搭配不同风格的销售组合。复杂的大客户由D型主导推进，配一个C型做方案支持和风险评估；标准化产品由I型负责开拓和维护。 管理者对不同风格的人采用差异化沟通方式。D型的给目标和自主权，少管过程；S型的给稳定支持和明确指令；C型的要求决策前给足数据和论证时间。 内部建立了一个简单的沟通同步机制：跨区协作前必须做一次15分钟的信息对齐会，减少因风格差异产生的「我以为你知道」式的摩擦。 Result（结果）： 调整后的4个月内：\n团队月均业绩从380万提升到560万，增幅约47% 主动离职率从15%（季度）降到5% 团队沟通满意度评分从3.2分提升到4.5分（5分制） 业务负责人后来跟我说了一句话让我印象很深：「我以前觉得团队出问题是人不行，现在发现大部分时候是排列组合的问题。」\nDISC管理落地评估清单 如果你正在用DISC，或者打算引入，以下四个问题建议每个季度做一次自我检查。不需要复杂工具，一支笔一张纸就能做。\n1. 目标检查：这次用DISC想解决什么问题？\n是团队搭配诊断，还是个人发展参考，还是招聘筛选？ 如果答案是「招聘筛选」，请停下来换一个工具。DISC不适合做筛选。 2. 解读检查：报告结论有没有被过度放大？\n是否把行为偏好当成了能力判断？ 是否给团队成员贴上了「他就是D型所以不适合做这个」的标签？ 是否有跟下属本人对过测评结果，而不是单方面解读？ 3. 组合检查：团队的行为风格分布是否健康？\n是否存在某种风格占比超过50%的情况？ 团队当前的核心任务需要什么样的风格搭配？ 缺失的风格有没有通过外部协作或流程设计来补充？ 4. 效果检查：用了DISC之后管理决策有变化吗？\n有没有因为DISC结果调整过分工或沟通方式？ 调整后的效果是否可衡量？ 如果没有任何实质性变化，那测评就只是一张废纸。 说回那个核心问题 DISC性格测试到底准不准？\n我的答案是：作为自我认知和团队搭配的参考，它足够好用；作为招聘筛选和绩效判断的依据，它完全不靠谱。\n问题从来不在工具本身，而在于你把它放在哪个环节、解决什么问题。就像我之前在另一篇文章里聊到的，人才测评系统有没有用，核心取决于你会不会用，而不是系统好不好。这个道理放在DISC上同样成立。\n如果你已经把DISC报告锁在人事档案里落灰，或者拿着报告给员工贴标签，那我建议你重新把它拿出来——换个角度，你可能会有完全不同的发现。\n","permalink":"https://www.gdrar.cn/posts/disc-personality-test-accuracy/","summary":"\u003cp\u003eDISC性格测试到底准不准——这个看似简单的问题，我过去两年里被问了不下三十次。每次回答，对方都期待一个「准」或者「不准」的结论。但做了这么多年HR，我越来越不敢给这种非黑即白的答案。\u003c/p\u003e","title":"DISC性格测试到底准不准，带团队两年后我有了真实答案"},{"content":"你是一家不到五十人的公司老板或HR负责人，一年招聘量可能也就十几二十个人。然后你去参加一个行业论坛，被厂商推销一套人才测评系统——报价三万起，上不封顶。你的第一反应是什么？\n我这些年接触过上百家中小企业，大多数管理者面对这个问题时的反应出奇一致：先犹豫，然后算账，最后不了了之。\n这不是抠门。是算不过账来。\n一套系统三到五万，每年还要续费，结果一年就招十几个人——单次招聘成本凭空多了几千块。更别提上了系统之后还要花时间去学、去用、去维护。对于小团队来说，这个投入值不值，确实需要掂量。\n但问题来了：不上测评系统，招聘质量怎么保证？靠面试官拍脑袋吗？\n中小企业的选人困境，矛盾不在工具 先坦白说一句得罪人的话：很多中小企业目前的招聘水平，就算免费送一套测评系统，作用也有限。\n原因很简单——测评系统解决的是「衡量候选人特征」的问题，但你首先要搞清楚的，是你到底需要什么特征的候选人。\n我在给企业做咨询时发现一个规律：没有做过岗位能力拆解的公司，测评报告拿到手里也看不懂。报告说这个人\u0026quot;尽责性高\u0026quot;，业务负责人问\u0026quot;然后呢\u0026quot;——他不知道尽责性高对应哪个工作场景。报告说这个人\u0026quot;情绪稳定性偏低\u0026quot;，HR不知道怎么在面试中追问验证。\n所以我后来跟中小企业讲的是一个反常识的观点：在买测评系统之前，先把你的面试流程做扎实。流程到位了，没有系统也能把招聘做透。\n如果你还不确定测评系统到底能解决什么问题，建议先看看我之前写的 人才测评系统到底有没有用，里面用五年数据拆了测评的真实价值边界。\n不做测评，那做什么 我见过太多中小企业的面试现场是这样的：业务负责人拿着候选人的简历进来，聊了四十分钟，出来跟HR说\u0026quot;感觉还行\u0026quot;。HR问\u0026quot;具体哪方面行\u0026quot;，业务负责人想了半天说\u0026quot;沟通能力不错\u0026quot;。\n不是这个业务负责人在敷衍。是他确实没有结构化的评估框架。\n你让他凭直觉判断一个人，他的直觉只能给出笼统的感受。而笼统的感受，就是招错人的温床。\n我总结了三件事，是中小企业不上测评系统也能做好的：\n第一，岗位成功画像。不用多复杂，一张A4纸就能写完——这个岗位做得好的三个人，分别具备什么特质、技能和经验。写完之后画三个圈，找交集。\n第二，结构化行为面试。不要问\u0026quot;你觉得自己抗压能力怎么样\u0026quot;，问\u0026quot;请举一个你过去一年里面临最大工作压力的具体例子，你是怎么处理的\u0026quot;。这两句话的区别，决定你得到的是真实信息还是自我包装。\n第三，面试评价量化。面试结束后，每个维度打分，不要只写一段感性评价。分数是可横向比较的数据，评价是写在纸上的感觉——数据永远比感觉可靠。\n关于结构化面试怎么落地，之前那篇 测评系统用上了还在招错人 里面有更详细的拆解，核心观点就是：工具没问题，出问题的是使用工具的人和方法。\n一个真实的替代方案：STAR 案例 去年我辅导了一家做精密零部件加工的民营企业，42个人，老板姓林。林总的困扰很典型：公司规模不大，但技术人员流动率很高，花了大半年招来的设备工程师，干不到六个月就要走。HR反馈说用了招聘网站、猎头也推了、薪资也算有竞争力——就是留不住人。\n我跟林总聊了半小时就发现问题了。\nSituation: 这家公司之前招技术岗，面试全由技术总监一人把关。技术总监是个实干型的人，面试就问技术问题——专业能力没问题，但他不看候选人的职业稳定性、不看团队协作风格、也不评估候选人能不能适应小公司的多角色工作模式。\nTask: 在不增加预算的前提下，帮林总建立起一套能提高技术岗位招聘命中率的面试流程。\nAction: 我帮林总做了三件事。\n第一件事，跟技术总监一起梳理了过去两年表现最好的三个技术员工的共性特征。发现他们不是技术最强的，但都有几个共同点：之前也在小型企业工作过、能接受非标工作安排、遇到问题第一反应是自己动手而不是等资源。林总把这个特征总结成了一个叫做\u0026quot;小厂基因\u0026quot;的评估维度，直接用在面试评估表上。\n第二件事，把面试流程从\u0026quot;技术总监一轮定生死\u0026quot;改成了两轮：HR先做30分钟的行为面试，重点评估稳定性和岗位预期匹配度；技术总监再做技术面试，只评估专业能力。两轮各自打分，加权取结果。\n第三件事，设计了一份简单的面试评估表，每个候选人从四个维度打分——专业能力、岗位匹配度、稳定性预期、团队适配度——每个维度1到5分。低于3分的维度必须写具体原因。\n这套改动没有花一分钱额外预算，只是改了一下流程和工具。\nResult: 改造后的八个月里，新招的6名技术岗位员工，6个月留存率从之前的不到40%提升到了83%。其中有一位设备工程师在入职第三个月就独立解决了一个产线故障，工单处理效率比之前的外包团队快了将近一倍。林总后来跟我说了一句话：\u0026quot;早知道流程比工具重要，我三年前就该改。\u0026quot;\n一套零成本的招聘质量自检清单 如果你正在纠结\u0026quot;不上测评系统到底行不行\u0026quot;，不要直接回答行或不行。先拿着下面这份清单做一次自查。如果大部分答案是\u0026quot;否\u0026quot;，那问题不在系统，在你目前的招聘流程本身。\n岗位定义阶段\n每次招人之前，有没有书面写清楚这个岗位的核心要求和关键绩效指标？ 能不能说出公司内部做得最好的三个人分别有什么共性特征？ 招聘需求是业务负责人自己写的，还是HR和他一起梳理的？ 面试执行阶段\n面试前有没有准备结构化的提问提纲？ 所有面试官用的是同一套评估标准吗？ 面试结束后，每个面试官是否独立打分，而不是先讨论再打分？ 决策复盘阶段\n每次最终录用决策是看分数还是看感觉？ 有没有追踪每个面试官的打分准确率？ 新人入职后三个月和六个月，HR有没有回访当初的面试评价是否准确？ 这份清单的价值不在于它有多复杂。恰恰相反——正是因为它简单，中小企业才不需要系统就能执行。而大部分招错人的问题，根源就出在这些最基本的动作没做到位。\n几点补充提醒 我不是反对中小企业在适当的时候上测评系统。事实上，当公司规模到了五六十人以上，招聘量逐年增加的时候，测评系统带来的效率提升是实实在在的。但它不是越小越好的东西——工具要匹配你的体量和场景。\n如果你现在还在纠结，我的建议是：先把流程做扎实，把面试官的能力提上来。等你发现流程已经做到位了，但选人的效率还是提不上去——那时候再考虑上系统，效果会比现在好得多。\n最后说一句实在的：测评系统就像是厨师手里的调味料。好的调味料能让菜更好吃，但如果一个厨师连火候都没掌握好，给他再贵的调料也炒不出一盘好菜。\n先练好基本功，再谈工具升级。这个顺序，在管理上很少出错。\n","permalink":"https://www.gdrar.cn/posts/sme-hiring-without-assessment/","summary":"\u003cp\u003e你是一家不到五十人的公司老板或HR负责人，一年招聘量可能也就十几二十个人。然后你去参加一个行业论坛，被厂商推销一套人才测评系统——报价三万起，上不封顶。你的第一反应是什么？\u003c/p\u003e","title":"中小企业不花钱上测评系统，反而把招聘做透了"},{"content":"校招面试进行到第29个候选人，对面坐着的面试官又问了一句：你最大的缺点是什么？我在旁边听着，差点没绷住——这个提问模板在HR圈被吐槽了十年，到现在还是校招面试中的标准配置。\n更让我头疼的是，那天面完8个人，面试官给的评价全是「感觉还行」「聊得不错」「可以再看看」。没有一个能说清楚判断依据是什么。\n这件事不是个例。今年我带团队做了120场校招面试，覆盖技术、产品、运营三个岗位方向。结束后我做了一次完整复盘，发现一个扎心的事实：将近90%的面试官在做判断时，核心依据是「聊感」——聊得顺就加分，聊得卡就减分，跟相亲差不多。\n校园招聘如何快速判断合适人选？这篇文章我想把这次复盘的核心结论写清楚。\n三年校招数据复盘：筛人越来越难的根因，我找到了三个\n校招面试最大的陷阱：把「聊感」当「能力」\n校招面试和社招有一个本质区别。社招候选人有工作履历做参照，判断重点是「做得好不好」。校招候选人没有正式职场经验，面试官只能从零判断「能不能做」。\n这个区别导致了一个常见误区——面试官不自觉地把沟通流畅度、态度积极度、性格讨喜度这些表面特质，等同于工作能力。\n我复盘了那120场面试的评分表，发现一个规律：面试得分和候选人最终入职前三个月的绩效评分，相关系数只有0.21。换句话说，面试分数高的人，入职后大概率并不比分数低的人干得好。\n这不是面试官水平的问题，是判断框架的问题。\n为什么结构化面试在校招中同样失效\n很多人会说：那用结构化面试不就行了？\n结构化面试当然比自由聊天强，但校招场景下有几个天然短板。\n第一，校招候选人面试经验极其丰富。一个拿到三个以上offer的应届生，往往已经把宝洁八大问、行为面试套路练得滚瓜烂熟。你用STAR追问，他能用STAR回答，甚至比你更熟练。你问到的不是真实反应，是排练后的表演。\n第二，校招面试时长有限。大多数企业校招季一天要面几十人，一场面试平均30到40分钟。这么短的时间内把结构化题跑完，基本只能测到表层表达能力，测不到判断力、抗压力、学习能力这些真正重要的维度。\n第三，岗位和候选人之间的匹配不是线性关系。一个在技术面试中表现极好的候选人，放到项目管理的岗位上可能完全不对路。问题出在面试问题本身没有被岗位化。\n面试聊得好未必能干活：一次内部数据复盘让我看清了选人盲区\n一次真实的管培生招聘复盘\n讲一个我去年亲自带的项目。\nSituation：一家中型互联网公司，技术驱动型组织，计划招12个管培生，方向是产品运营和项目经理两条线。前一年的校招留存率低得吓人——招了15个，三个月后走了8个，留下的7个人里只有2个绩效达标。业务部门来找我，说这次校招再招不对人就不配合了。\nTask：我需要设计一套全新的校招面试评估方式，目标是把校招人岗匹配准确率从不到30%提升到60%以上。\nAction：我做了三件事。\n第一，简历筛选阶段，从关键词匹配改成「能力标签匹配」。不再只盯着学校、专业、GPA这些硬指标，而是把岗位核心能力拆成四个标签——学习迁移力、模糊耐受度、结果导向、协作意愿——逐个给简历打标签分。\n第二，面试环节砍掉50%的常规行为题，换成「情境工作坊」。产品线的候选人做一次35分钟的迷你产品方案拆解，项目经理线做一次资源冲突调度沙盘。面试官不打断，只看过程和思路。这种方法比常规问答多出至少一倍的判断维度。\n第三，增加15分钟「反向提问考核」。面试最后阶段，我让候选人针对产品和团队提问题，不做引导，只看他们问的是什么层次的问题。问功能细节的，和问用户增长逻辑的、问团队协作机制的，两类人的后续绩效差距非常明显。\nResult：这一轮招了12个人，半年后留存11个，9个绩效达标或超出预期。匹配准确率从28%提升到75%。业务总监后来说了句话：这次招的人，面试时就能看出来不一样。\n可复用的校招面试判断清单\n不管你是HR还是业务面试官，下次做校招面试前，先把这份清单过一遍。\n简历评估阶段：\n候选人是否有跨领域的学习行为，比如辅修、跨专业项目、跨界实习 是否在某个非课程领域有过持续投入，超过6个月为佳 是否有主动解决问题的痕迹，不只是执行，而是发现问题并推动解决 面试判断阶段，30分钟版：\n前5分钟：候选人面对一个陌生问题时的第一反应是什么——是沉默思考还是马上找答案 中间20分钟：候选人是否能在对话中主动修正自己的观点，还是从头到尾坚持一个立场 最后5分钟：候选人的提问是在问表面信息还是在问底层逻辑 关键判断指标：\n如果在面试中你一直觉得「很顺」，反而要警惕 如果候选人表现出思考的不确定性和真实的纠结，这是好事 如果候选人在30分钟内提出了一个你没想到的视角，直接加分 不要用来判断的维度：\n沟通流畅度，可以练 态度积极度，可以装 对公司的了解程度，可以背 最后说一句\n校招面试最大的问题，是大多数面试官用错了筛子——在筛沙子的时候用了捞鱼的网，看起来捞了一堆，留下的全是漏下去的。\n下次校招季开始前，建议先想清楚一个问题：你判断的到底是这个人的「表演能力」，还是这个人在实际工作中解决问题的潜力。\n只有把判断框架从聊天切换到实战，校园招聘才能真正筛选出未来能打的人。\n","permalink":"https://www.gdrar.cn/posts/campus-recruitment-effective-judgment/","summary":"\u003cp\u003e校招面试进行到第29个候选人，对面坐着的面试官又问了一句：你最大的缺点是什么？我在旁边听着，差点没绷住——这个提问模板在HR圈被吐槽了十年，到现在还是校招面试中的标准配置。\u003c/p\u003e","title":"校招季面了120个应届生，我发现90%的面试官都在做无效判断"},{"content":"校招季刚结束，我把系统里的数据翻出来做了个全面复盘。曲线不太好看——三年前简历到面试的转化率还能维持在8%左右，今年直接掉到了3.2%。简历量翻了一倍不止，有效筛选率却持续走低。\n这不是某个环节的偶然波动。花了三周把近三年校招数据重新拉了一遍，发现三个规律反复出现。\n根因一：筛选标准还停留在十年前 现在校招筛人，大部分公司还在用老三样——GPA、学校排名、专业对口。放在七八年前，这些指标确实有区分度。但今天的情况是：985/211的简历一抓一大把，GPA 3.5以上的超过六成。大家在硬指标上几乎没有差别，HR却还在拿这些当核心筛选项。\n结果就是：筛完第一轮，发现还有几千份简历被标记为「符合条件」。\n真正的问题不是简历多，而是筛选标准没有从业务数据中提炼过。大多数公司的校招筛选标准是参考同行或者抄个模板就用了，但从来没问过一个问题——在我们公司，什么样的校招生能留下来、出业绩？\n没有这个底层定义，筛选标准只能是通用模板。至于当筛选标准模糊的时候，HR靠什么做判断？我之前在这篇文章里拆解过——当没有结构化依据时，直觉判断的三个系统性偏差会轮流上场。\n根因二：候选人的同质化程度比你想的高 校招和社招最大的区别在于信息密度。社招候选人的工作经历五花八门，天然有区分度。校招候选人呢？同样的课程体系、同样的社团经历、同样的实习模式——尤其一批头部学校的候选人，简历看起来几乎出自同一套模板。\n我做过一个实验：把50份简历的学校名称和GPA遮掉，让两个HR背靠背排序，结果一致率只有31%。不是HR不专业，是简历本身的区分度已经趋近于零了。\n这个阶段最需要的能力不是「筛选」，而是「发现差异」。传统的筛选逻辑是在找「不合格的」，但校招更需要的是在看起来差不多的一批人里，找到「不一样的」。\n根因三：筛选链太长，每一环都在丢信号 校招的典型筛选链是：HR初筛 → 笔试 → 群面 → 单面 → 终面。每个环节都在筛选，但每个环节之间的标准是断裂的。\nHR筛简历的标准偏「稳妥」——先保住数量，别漏人。笔试看重的是知识储备。群面看重的是表达和协作。业务终面看重的是潜力和思维。问题是，这四个东西在数据上经常不相关。\n初筛觉得不错的人，笔试没过。笔试高分的人，群面表现平平。群面表现亮眼的人，终面又被否了。这和在多个筛子里来回倒一个道理——每经过一个环节，信号就会失真一次，真正匹配的人可能在第一关就被漏掉了。\n这个信号衰减的规律，跟我之前聊过的面试表现在实际工作中的偏差问题是同一个逻辑——筛选手段和目标之间的错位，链条越长，错位越严重。\n一个真实案例：技术岗筛选重设计 说到这，分享一个我们团队去年做过的调整。\nSituation（背景）：去年校招，技术岗收到了1300多份简历。HR团队只有3个人，需要在10个工作日内完成初筛并安排一面。按照上一年的流程走，大概率又是加班通宵，最后结果还未必好。\nTask（任务）：我的目标是，在不增加人手的前提下，把初筛有效率（进入面试的候选人最终通过试用期的比例）从62%提升到80%以上。\nAction（行动）：我停了两天初筛工作，拉着技术负责人重新定义了一件事——「技术岗校招成功画像」。具体来说，把筛选标准从「学校+GPA+专业」替换成三个维度：\n项目经验复杂度：做过什么、遇到什么难题、解决思路是什么 问题解决痕迹：简历里有没有描述「如何解决问题」而不是「做了什么」 学习速度信号：有没有跨领域或自驱动的学习成果 每个维度只设三个评分档（0/1/2），总分≥4分进入下一轮。同时把笔试从选择题改成了开放式题目——不考知识记忆，给一个陌生问题看候选人怎么拆解。\nResult（结果）：单个简历处理时间从4分钟降到了2分钟。一面到场率从65%提升到82%。最终入职的17个校招生试用期通过率达到88%，比上一年提升了26个百分点。\n效果不错，但真正让我触动的是：这个方法并没有增加筛选成本，只是把筛选逻辑从「筛掉不合格的」变成了「找到适合的」。\n一份可复用的校招筛选评估模板 如果你也想调整校招筛选方式，这套评估表可以直接用。以技术岗为例：\n每个候选人按三个维度打分（0/1/2）：\n维度一：项目经验复杂度\n0分：仅有课程作业或课堂项目 1分：有一个完整的课外项目经历 2分：有多个独立项目，且明确描述了技术挑战和解决路径 维度二：问题解决痕迹\n0分：只写项目名称和技术栈 1分：简单描述过遇到的困难 2分：清晰描述了问题场景、分析过程和结果量化 维度三：学习速度信号\n0分：仅列出课程成绩 1分：有自学或课外实践经历 2分：有跨领域或自驱动的学习成果（比如非技术背景自学编程、非本专业方向的项目） 推荐分数线：总分≥4分进入面试环节。不设学校门槛和GPA下限。\n关键原则：这套模板不是为了「筛得严」，而是为了「筛得准」。你在用的过程中可以根据自己公司的岗位需求调整权重——销售岗可能更看重学习速度信号，研发岗更看重项目复杂度。\n校招筛人越来越难，这个趋势短期内不会变。能变的是筛选逻辑——从「筛掉不合格的」转向「找到适合的」。听起来只是视角变化，但标准设定、评估维度和面试设计，整个链条都需要重新对齐。\n","permalink":"https://www.gdrar.cn/posts/campus-recruitment-screening-root-causes/","summary":"\u003cp\u003e校招季刚结束，我把系统里的数据翻出来做了个全面复盘。曲线不太好看——三年前简历到面试的转化率还能维持在8%左右，今年直接掉到了3.2%。简历量翻了一倍不止，有效筛选率却持续走低。\u003c/p\u003e","title":"三年校招数据复盘：筛人越来越难的根因，我找到了三个"},{"content":"面试聊得特别好、候选人特别配合、面试官当场就觉得「就是他了」——然后入职两三个月，业务负责人跑过来跟你说：这人不行。\n这不是段子。我过去两年在两个团队里都遇到过一模一样的情况。第一次我以为是偶然，第二次我开始翻数据，翻完之后发现了一个让我不得不正视的事实：面试中的「表现力」和实际工作中的「执行力」，相关性远比我们以为的低。\n面试是一场精心准备的表演 大部分候选人在面试前会做大量的准备——研究公司背景、准备项目案例、模拟可能的问题。这是好事，说明重视这次机会。但问题在于，面试这个场景天然有利于「会表现」的人，而「会表现」和「会做事」中间隔着一道真实的验证门槛。\n我见过简历包装得非常漂亮的候选人，面试时对答如流，每个项目经历都讲得有条理、有数据、有复盘。入职后发现，那些项目他只是参与了一小部分，真正的推动者另有其人。也见过面试时表达能力一般、甚至显得有些紧张的人，入职后反而是团队里最早独立产出结果的。\n这不是个例。\n我在复盘三年内所有错误招聘时，发现了一个核心规律：面试评分最高的候选人，入职后绩效达标的比例只有四成出头。换句话说，每两个面试「表现最佳」的人里，就有一个实际工作表现不及预期。\n为什么面试表现会骗人？ 我后来总结了三层原因。\n第一层：面试考察的是「叙述能力」，而不是「解决能力」\n传统面试的核心流程是让候选人「讲」过去做过什么。会讲的人天然占优势——结构清晰、数据翔实、逻辑自洽。但这只验证了一个能力：把已经做过的事情有逻辑地讲出来。\n而实际工作中真正需要的是面对新问题时的「现场解决能力」。这是两种完全不同的能力模型。一个擅长叙事的人，不一定擅长解决问题；反之，一个解决问题能力强的人，不一定擅长讲述。\n第二层：面试官容易被「相似性」带偏\n心理学上有个概念叫相似吸引效应——人天生更喜欢跟自己相似的人。面试中表现得像面试官的人（说话方式、思维方式、价值观倾向），更容易拿到高分。\n我做过一个内部试验：同一批候选人的面试录像，让两个性格完全不同的面试官重新打分。结果很有意思——面试官A打高分的候选人，通常是逻辑型、理性分析派；面试官B打高分的候选人，通常是感性型、人际导向派。这说明面试官在打分的时候，不知不觉把「跟自己像」当成了「优秀」的信号。\n第三层：面试场景缺少「压力验证」\n面试通常是在一个相对舒适的环境里进行的——会议室里、面对面、准备好的问题。而真实的工作场景充满了意外：项目延期、跨部门扯皮、客户投诉、资源不足。一个人在舒适环境下的反应，和在压力环境下的反应，可能完全不同。\n这就是为什么我越来越倾向于建议：在面试流程中，必须在某个环节对候选人进行「高压验证」——不是故意刁难，而是观察他在真实压力下的行为模式。\nSTAR案例：一次面试流程改造如何把招对人率提升了40% Situation（背景）\n2025年初，我辅导的一家互联网公司遇到了一个典型问题：他们的技术团队招聘面试通过率只有约15%（即15个人进面试才录1个），按理说筛选够严格了。但新入职的工程师中，超过40%在试用期内被技术负责人评为「明显低于预期」。\n最大的困惑在于：这些被评定为不达标的人，在面试中大多数拿到了「Strong Hire」的评分。面试团队百思不得其解。\nTask（任务）\n在不增加招聘周期（平均15天内发出offer）的前提下，提升面试判断的准确率，目标是把试用期「低于预期」的比例从40%降到20%以下。\nAction（行动）\n我和技术VP、HRBP一起重新设计了面试流程，核心做了三件事。\n第一，在常规技术面之外，增加了一轮「协作式编程」环节。候选人不再单独回答问题，而是和团队的一个资深工程师一起，解决一个经过抽象的真实业务问题。过程中观察候选人的沟通方式、接受反馈时的态度、遇到困难时的求助模式。\n第二，面试官培训。所有参与面试的技术负责人必须接受一场2小时的「面试偏见意识」培训，重点讲清楚三个最常见的评分偏差：相似性偏差（跟自己像就给高分）、首因效应（第一印象决定最终评分）、锚定效应（被简历或者前几轮的评价锚定）。\n第三，引入双盲评分机制。每轮面试结束后，面试官必须先在系统里独立打分，才能看到其他面试官的评价。避免前面试官的意见影响后面试官。\nResult（结果）\n改造后的三个季度，技术团队的试用期「低于预期」比例从40%降到了17%。更重要的是，新人的平均独立产出周期从原来的4.5个月缩短到了3个月。协作式编程虽然每场面试多花了30分钟，但因为减少了错误招聘，整体招聘成本反而下降了12%。\n一份面试评估自查清单 如果你也在反思自己的面试流程是不是存在盲区，下面这份清单可以帮你快速定位问题。每条如果答案是「否」，就说明那个环节可能需要调整。\n面试前\n你是否明确列出了这个岗位「成功」所必需的3-4个核心特质？ 面试问题是否针对这些核心特质设计，而不是泛泛地问项目经验？ 你是否和业务负责人确认过这些核心特质的优先级？ 面试中\n面试问题是否包含了需要候选人「现场解决」而不是「讲述过去」的场景？ 面试官是否接受过面试偏见相关的培训？ 有没有安排至少一个跟候选人「风格不同」的面试官参与？ 面试后\n面试评分是否有多位面试官独立打分后再汇总？ 有没有追踪「面试高分但入职不达标」的偏差案例并定期复盘？ 是否在试用期内做了「回检机制」——对比当初面试时的判断和实际表现，找出判断偏差？ 写在最后 面试聊得好不等于能干好活——这句话说出来谁都明白，但在实际操作中，几乎所有HR和业务负责人仍然会不自觉地把面试表现当作最重要的判断依据。原因很简单：面试是我们唯一能「面对面」考察候选人的机会，它的权重被本能地放大了。\n但要真正解决这个问题，靠的不是让面试官更努力地「看人」，而是靠一套能削弱表演成分、增加验证环节的面试设计。\n测评工具用不对同样会有这个问题——工具从来不是答案，设计和流程才是。\n如果你也有过面试聊得很好但入职后大失所望的经历，不妨把那份自查清单打印出来，对照你现在的招聘流程走一遍。盲区就在那里，只是你一直没看到它。\n","permalink":"https://www.gdrar.cn/posts/interview-performance-job-reality/","summary":"\u003cp\u003e面试聊得特别好、候选人特别配合、面试官当场就觉得「就是他了」——然后入职两三个月，业务负责人跑过来跟你说：这人不行。\u003c/p\u003e\n\u003cp\u003e这不是段子。我过去两年在两个团队里都遇到过一模一样的情况。第一次我以为是偶然，第二次我开始翻数据，翻完之后发现了一个让我不得不正视的事实：\u003cstrong\u003e面试中的「表现力」和实际工作中的「执行力」，相关性远比我们以为的低。\u003c/strong\u003e\u003c/p\u003e","title":"面试聊得好未必能干活：一次内部数据复盘让我看清了选人盲区"},{"content":"HR筛简历靠不靠谱这个问题，我做了十年HR才敢正面回答：绝大部分时候，确实不太靠谱。\n这话说出来可能得罪同行，但数据不会撒谎。去年年底我做了一次简历筛选环节的专项复盘，把过去三年经手的286份简历的初筛记录和候选人的实际录用后绩效做了交叉对比，发现了一个让我自己都很难接受的事实——HR在初筛环节的判断准确率，低到超出预期。\n这不是某个人的问题，是这套筛选机制本身就存在系统性的盲区。\n三组让我坐不住的数据 先上这次复盘的核心数据。\n286份简历，全部经过了两轮独立的筛选——第一轮是HR的直觉初筛（看过简历后给出「过」或「不过」的结论），第二轮是结构化评估（使用统一评分维度进行打分）。两轮互不干扰。\n然后我把通过不同筛选路径进入面试并最终录用的候选人的绩效拉了出来，做了对比。\n第一组数据：HR直觉初筛的误杀率高达31%。\n286份简历中，HR直觉判断为「不过」的简历有97份。但当我用结构化评估工具重新打分时，这97份里有30份的评分达到了「建议面试」的标准——将近三分之一的简历被直觉直接淘汰了，而这些简历如果用更系统的方法去评估，是完全有竞争力的。\n我之前在复盘三年内所有错误招聘时发现过一个规律，招错人的根因往往不在面试环节，而在筛选环节就已经埋下了隐患。这次的数据再次验证了那个判断。\n第二组数据：直觉通过的人，入职后绩效不一定好。\nHR直觉判断为「过」的189份简历对应的候选人中，最终有57人入职并完成了试用期。但他们的半年绩效达标率只有63%——超过三分之一的人实际表现并没有达到预期。\n换句话说，靠直觉筛进来的候选人，每三个人里就有一个是不达标的。\n第三组数据：HR之间的直觉一致性低得惊人。\n我把同一批50份简历分别给3位独立HR做初筛判断，结果三人完全一致的只有19份——一致率仅38%。同一份简历，A觉得经验丰富，B觉得跳槽太频繁，C觉得项目深度不够。每个人都有自己的判断逻辑，但结论互相矛盾。\n这就是残酷的真相：HR筛简历靠感觉，就像三个人看同一片云，每个人看到的形状都不一样。\n为什么HR的直觉会出问题 复盘过程中，我发现了三个反复出现的系统性偏差。\n偏差一：首因效应——第一印象决定了90%的判断。\n一份简历，如果开头写得漂亮——大厂背景、名校学历、完美的时间线——HR很容易在还没看完之前就已经在心里打了高分。反之，如果开头有一些减分项，比如一段职业空白期，或者上一份工作只做了不到一年，后面即使有非常扎实的项目经验，也容易被直接忽略。\n我找到了一个典型案例。一份简历开头有一段不太清晰的职业空窗期，HR初筛直接打了「不过」。但我仔细看了后面的内容，发现这位候选人在空窗期自己做了三个开源项目，其中一个还被行业内的小公司采用过。可惜他把这段经历放在了简历靠后的位置，而HR根本没看到那里。\n偏差二：相似偏好——HR倾向于选择跟自己像的人。\n这是一个非常隐蔽但影响极大的偏差。如果一个HR是名校毕业、大厂出身，他潜意识里会更认可简历上有同样标签的人。反之，如果HR自己是从小公司一步步做起来的，他可能更看重实战经历而非学历光环。\n问题是岗位的真实需求不会因为HR的个人偏好而改变。一个需要强实战能力的岗位，可能就因为HR偏好名校背景，把一个能力很强但学历普通的候选人直接淘汰了。\n相比之下，AI在简历筛选中的硬条件判断确实比人要稳定，但在软性判断上同样存在自己的盲区。说到底，无论人还是机器，单一判断方式都有局限。\n偏差三：负面过滤——一个缺点盖过了所有优点。\nHR在快速筛简历时，大脑会自动进入一种「找茬模式」——专门寻找可以排除候选人的理由。职业空白期？排除。跳槽超过三次？排除。非全日制本科？排除。\n这种模式在时间压力下确实高效。但它有一个致命的前提假设——候选人应该是完美的。但现实中，没有完美的候选人。如果一个候选人有一个明显的短板，但同时也有不可替代的长处，负面过滤机制会直接让HR忽略那个长处。\n一个差点被直觉淘汰的人 说一个让我印象最深的真实案例。\nSituation：2024年Q2，公司要招聘一名内容运营主管。要求不低——既要懂新媒体内容策略，又要能带团队，还要熟悉行业垂直领域。招聘信息发出后收到了120多份简历。\nTask：按传统流程，HR需要在两周内完成初筛，筛选出10到15人进入面试。负责初筛的同事第一轮用直觉筛出了18份简历。\nAction：我要求同步做一次结构化复筛——所有简历按内容策略能力、团队管理经验、行业认知深度、项目成果四个维度打分，每个维度1到5分。\n这一筛就发现了问题。有一份简历初筛被HR打了「不过」，理由是「最近一份工作只做了10个月，稳定性存疑」。但在结构化评估中，这个候选人在内容策略能力上得了4分，项目成果维度得了5分——他之前主导的一个内容项目，在半年内把用户活跃度提升了40%。\n我建议安排面试。面试下来，这个人对内容策略的理解深度远超其他候选人。关于那10个月离职的原因，他也很坦诚——团队被业务调整整体裁撤了，不是他主动走的。\nResult：候选人入职后担任内容运营主管，连续两个季度团队产出排名公司第一。他主导的内容策略调整让自然流量在半年内增长了67%。半年绩效评估得分91分，在全部门排名前15%。\n如果当初靠直觉筛掉了这篇简历，我根本不会知道这个人的存在。\n结构化简历评估清单 针对直觉筛选的问题，我整理了一份简单的结构化评估清单。团队内部用了半年，效果比预期好。\n第一步：屏蔽个人信息，只评估硬条件\n学历、工作年限、技能关键词是否达到岗位最低要求？ 职业路径是否有明显的方向一致性？ 第二步：独立评估每个维度（每项1到5分）\n【专业能力】项目经验与岗位需求的匹配度 【成果导向】是否有可量化的项目成果和真实产出 【稳定性】职业空白期和跳槽频率是否有合理解释 【成长性】是否有主动学习或自我提升的明确证据 第三步：做一次反向验证\n如果只看候选人的缺点，会不会直接否决？ 如果只看优点，会不会忽略了真实风险？ 这个候选人有什么不可替代的价值？ 第四步：排除个人偏好\n我是否因为跟候选人背景相似而给了偏高的分？ 我是否因为某个不太相关的标签（学校、公司品牌）而给了偏见分？ 使用这个清单之后，我们团队初筛环节的面试邀约转化率从之前的41%提升到了59%，而且进入面试的候选人后续通过率也明显提高了。\n说到底，HR的价值不在于靠直觉快速判断一个人行不行，而在于用结构化的方法，把那些真正有潜力的人从简历堆里找出来。直觉可以作为一种辅助信号，但永远不应该成为唯一的筛选标准。\n","permalink":"https://www.gdrar.cn/posts/hr-resume-screening-gut-feeling/","summary":"\u003cp\u003eHR筛简历靠不靠谱这个问题，我做了十年HR才敢正面回答：绝大部分时候，确实不太靠谱。\u003c/p\u003e\n\u003cp\u003e这话说出来可能得罪同行，但数据不会撒谎。去年年底我做了一次简历筛选环节的专项复盘，把过去三年经手的286份简历的初筛记录和候选人的实际录用后绩效做了交叉对比，发现了一个让我自己都很难接受的事实——HR在初筛环节的判断准确率，低到超出预期。\u003c/p\u003e","title":"HR筛简历全靠直觉判断，我用三年数据证明这有多危险"},{"content":"我接触过的企业里，至少三分之一上过人才测评系统。但当我问这些公司的HR一个问题——你们觉得测评到底帮了多少——回答「帮助很大」的比例，远低于厂商案例集里那些漂亮数字。\n这不是测评没用，而是绝大多数公司压根没把测评用对。\n去年年中，一家做企业服务的客户找到我，说他们公司上了某头部测评系统快一年，招聘量不少，但招错人的比例跟没上测评之前几乎没有变化。问我：是不是测评系统根本不靠谱？\n我说：你把你们过去半年用测评的流程发我看看。\n一看我就明白了。\n关于测评系统到底有没有用，我之前写过一篇基于五年数据的复盘，里面有一个核心结论：人才测评系统的效果取决于你怎么用它，不是买不买的问题，而是用不用得对的问题。那家公司踩的坑，就是大多数企业正在踩的坑。\n原因一：测评报告被当成了判决书，而不是体检单 这是最普遍的问题。\n很多HR拿到候选人的测评报告，看到「DISC风格是支配型」或者「MBTI是ENTJ」，马上得出结论：这个岗位需要配合型的人，这人不行。一封拒信就发出去了。\n但测评报告本质上是一份体检单，不是判决书。\n体检单上显示你血压偏高，不代表你不能工作，而是告诉你需要在哪些方面注意。同样，一个候选人的风格测试结果显示他偏向独立决策，不代表他不能做需要协作的工作——而是要判断：你的团队环境和岗位设计能不能包容甚至发挥这种风格。\n最典型的错用是：用测评报告直接替代面试判断。\n我在复盘三年错误招聘时发现，招错人的根因往往不是面试太松，而是选人逻辑本身偏了。测评报告如果被当成一刀切的标准，那就是在错误的逻辑上加了一个看似科学的工具——结果只会更糟。\n原因二：测评结果停留在HR手里，业务负责人看不懂也不想看 第二个问题更隐蔽。\n很多公司把测评当成HR部门的事。HR选工具、HR安排测评、HR解读报告——然后HR把一份密密麻麻的报告丢给业务负责人：这人测评结果还可以，你面一下。\n业务负责人看了一眼报告：十几页纸，一堆看不懂的维度系数、百分位数、匹配度分数。翻了两页，直接扔一边，靠直觉面试去了。\n测评的价值在这一刻就断了。\n业务负责人才是最终决定录用的人。如果他们在面试过程中完全抛弃测评信息，那测评系统的投入就等于打了水漂。我见过最极端的情况，面试官连报告都没打开过，录了一个测评匹配度只有37%的人——因为「感觉这人不错」。\n原因三：测评维度跟岗位成功要素压根没对齐 第三个问题，也是最根本的问题。\n很多企业选测评系统的时候，看得最多的是功能——能测什么性格、能做什么分析、支持多少种模型。很少有人先想清楚一个问题：这个岗位怎么才算成功？\n销售岗的成功要素可能是抗压能力和关系建立能力。技术岗的成功要素可能是逻辑深度和学习迁移能力。管理岗的成功要素可能是灰度决策和团队激发能力。\n如果测评系统测的维度跟岗位的成功要素不在一个频道上，那报告再详细也是噪音。\n我见过最夸张的一个案例：某公司给销售岗位用了一套偏向学术能力的测评模型，测出来的高分候选人全部是分析型人才，放到销售岗三个月就扛不住了。公司花了钱、候选人浪费了时间、业务部门对测评彻底失去信心。\nSTAR案例：一次测评落地流程的完整复盘 Situation（背景）\n去年第二季度，一家200人规模的科技公司找到我。核心问题是：销售团队年流失率超过40%，新招的人中超过一半在6个月内被淘汰。公司年初刚上了一套人才测评系统，但问题没有任何改善。管理层已经在考虑是不是要换一套更贵的系统。\nTask（任务）\n我的判断是问题不在系统本身，而在使用流程。核心目标是重新设计测评结果在招聘流程中的使用方式，让测评信息真正进入面试和录用决策环节，而不是停留在HR部门。\nAction（行动）\n做了三件事。\n第一，重新定义岗位成功画像。跟销售VP和销售总监一起，从过去两年绩效前20%的销售中提炼了四个共性特征：客户关系建立能力、挫折恢复速度、目标分解习惯、新知识吸收速度。然后对照测评系统已有的维度，确定哪些维度能反映这些特征，哪些测了也没用。\n第二，改变测评结果的呈现方式。不再给业务负责人十几页的原始报告，而是输出一页纸的「候选人画像速览」——三个核心发现、两个需要面试验证的疑点、一个不适合的业务场景。业务负责人两分钟就能读完，带着问题去面试。\n第三，建立面试追问机制。针对测评中发现的每个特征或疑点，指定面试中必须追问的具体问题。比如测评显示候选人「挫折恢复速度偏低」，面试官就必须追问两个真实的失败案例，评估其恢复模式和归因方式。\nResult（结果）\n调整后的两个季度，销售新人的6个月留存率从原来的不到50%提升到76%。季度平均业绩达标率从调整前的62%提升到81%。更重要的是，没有增加任何新工具投入，只是改变了测评结果的使用方式。\n一套可执行的测评落地检查清单 如果你已经在用或者准备用人才测评系统，可以用下面这份清单做一次自查。每个问题如果答案是「否」，就意味着这个环节存在风险。\n选型阶段\n是否先做了岗位成功画像，再对照测评维度是否匹配？ 选型时是否让业务负责人一起参与评估？ 有没有测试过测评结果与实际绩效之间的相关性？ 使用阶段\n测评报告是否有一页纸摘要版本给业务负责人？ 业务负责人是否能独立理解报告的关键发现？ 每个测评维度是否对应了面试追问问题？ 复盘阶段\n是否每季度复盘一次测评预测的准确率？ 是否将业务负责人的反馈纳入系统使用优化？ 有没有机制追踪「测评高分但入职后不达标」和「测评低分但表现出色」的偏差案例？ 写在最后 人才测评系统不是买来的，是管理出来的。\n买一套系统花几万块，真正值钱的不是那个系统本身，是你愿不愿意在流程上花心思去接住它给你的信息。如果只是走个过场，测评报告出了就锁进抽屉——那笔钱还不如省下来，给面试官做两场培训，效果可能还好一点。\n工具永远是工具，把它用好，才是HR和管理者的真本事。\n","permalink":"https://www.gdrar.cn/posts/talent-assessment-still-wrong-hires/","summary":"\u003cp\u003e我接触过的企业里，至少三分之一上过人才测评系统。但当我问这些公司的HR一个问题——你们觉得测评到底帮了多少——回答「帮助很大」的比例，远低于厂商案例集里那些漂亮数字。\u003c/p\u003e","title":"测评系统用上了还在招错人，问题根本不在测评"},{"content":"Hiring managers问过我最多的问题，排第一的不是怎么面试，而是「人才测评系统到底有没有用」。\n问这个问题的人，大多已经看过不少厂商的案例——某公司用了测评系统后招聘准确率提升百分之多少、离职率下降百分之多少。数字很漂亮，但管理者心里都清楚：那是别人的数据，不是我的。\n今年年初我做了一次系统性的效果复盘，把过去五年内所有经测评系统评估后录用的员工数据拉了出来，想用一个HRD最朴素的逻辑来回答这个问题：测评系统，到底帮我们省了钱还是花了冤枉钱？\n数据不会骗人，但解读数据的人会 先说这次复盘的样本范围：过去五年，经测评系统评估后录用的员工一共387人，同期没有经过测评直接录用的员工242人。覆盖的岗位从一线销售、客服到技术开发、产品运营，跨度不算小。\n拉完数据之后，有几个数字值得单独拿出来说：\n留存率对比：经过测评录用的员工，12个月内的主动离职率是14.3%；未经测评直接录用的员工，同期主动离职率是28.7%。差了整整一倍。\n绩效达标率：以入职后6个月的首次绩效评估为基准，测评组达标率是76.5%，非测评组达标率是54.1%。\n管理者的主观评价：我让8位业务负责人对两组员工做了匿名打分（满分为5分），测评组的平均得分是3.8，非测评组是3.1。\n单看这些数字，结论似乎很明确：测评系统是有用的，而且效果相当明显。\n但真正干活的人都知道，数据复盘最怕的不是没有结论，而是结论来得太容易。\n三个「为什么」之后，结论没那么简单了 如果直接拿上面的数据去汇报，我的CEO大概率会追问三个问题——这也是任何一位管理者在决定是否上测评系统之前，应该先问自己的。\n第一个问题：测评组的数据更好，是因为测评本身，还是因为用了测评的团队本身管理更规范？\n这是最容易被忽视的混淆因素。愿意花钱上测评系统的团队，大概率在招聘管理、入职引导、培养体系上也都更完善。测评可能只是锦上添花的那朵花，而不是锦本身。\n为了排除这个干扰，我做了子样本分析：选取同一业务部门、同一管理风格下，既有测评录用又有非测评录用的混合招聘批次，单独拉出来看。结果发现，即使在相同管理环境内，测评组的留存率仍然高出11个百分点。\n这说明测评不是纯粹的「被选择偏差」——它有自己的增量价值。\n第二个问题：测评的筛选效果，在不同岗位上一样吗？\n完全不一样。\n销售类岗位的测评效果最明显，测评组的绩效达标率比非测评组高出31个百分点。技术研发类岗位的差异最小，只有8个百分点。运营和产品类岗位居中，差异约17个百分点。\n这个差异背后的逻辑其实很简单：岗位的成功标准越多元、软素质的权重越高，测评的区分度就越大。销售岗位对沟通韧性、目标驱动力、人际敏感度的要求极高，这些恰恰是标准化面试很难精确量化的部分。而技术岗位的评估核心是硬技能，代码写得好不好、项目做得深不深，面试和实操测试本身已经能筛掉大部分人。\n第三个问题：测评考出来的「高分选手」，在实际工作中真的有对应的表现吗？\n这个问题触及了测评系统的核心争议。\n我追踪了测评综合得分在前25%的98名员工，对比他们在入职6个月后的绩效分布。结果是——这批高分选手的绩效达标率是83.7%，确实高于整体水平，但其中有16人（约16.3%）仍然被管理者判定为「未达预期」。\n换句话说，测评可以帮助筛选出大概率表现好的候选人，但不能保证每一个高分者都能成功落地。测评不是水晶球。\nSTAR 案例：一次差点失败的招聘，测评救了我 说到测评系统的真实价值，我想分享一个印象很深的案例。\nSituation（背景）：2023年初，我们急需招聘一位销售团队负责人，带领一支10人的区域销售队伍。经过两轮面试，我锁定了一位候选人——王磊（化名），他在上一家公司的销售业绩非常亮眼，面试表现也极其出色，谈吐自信、逻辑清晰、对行业理解很深。\nTask（任务）：所有面试官都打了「强烈推荐」，看起来是稳了。但直觉上我总觉得哪里不对——他的过往经验主要集中在「独自跑大客户」的模式上，而我们要找的是一个需要「带团队、搭体系、做复盘」的管理型销售负责人。\nAction（行动）：我坚持让他做了完整的管理潜质测评。测评报告出来之后，发现他的策略思维得分很高（属于前10%），但团队辅导意愿和授权倾向得分偏低（属于后25%）。这个数据和面试时的表现形成了明显反差——面试中他提到「带团队」时讲的全是如何自己冲在前线做榜样，几乎没有任何关于如何培养下属、如何搭建梯队的内容。\nResult（结果）：我和业务负责人商量后做了折中方案——录用他，但首6个月明确他的核心目标是建立销售流程和培养一名副手，同时给他配了一位外部教练，专门补团队管理这块短板。一年之后复盘，他带的团队业绩完成了目标的112%，他培养的那名副手在第二年独立接手了一个新区域，表现稳定。\n如果当初没有测评数据，我们大概率会按照面试官的「强烈推荐」直接让他入职，然后在前三个月就陷入「他自己很强、但团队起不来」的困境。\n这个案例让我意识到：测评系统最大的价值，不是帮你判断「要不要这个人」，而是帮你在「面试判断很完美」的时候，找到那些面试看不到的盲区。\n测评系统选型评估清单 以下是我这些年做测评工具选型时一直在用的评估框架，可以直接拿去用：\n信效度验证（必须问的问题）\n这个工具的常模样本量有多大？是否覆盖了你的行业和岗位层级？ 有没有公开发布的效度研究报告？区分度系数是多少？ 有没有中国本土常模？还是直接引用国外的数据？ 应用场景匹配\n你买测评是为了筛选招聘、诊断团队、还是辅助晋升？不同场景需要的工具完全不同。 你的招聘量足够大吗？如果一年只招几个人，测评的投入产出比可能还不如把面试做好。 面试官的接受度\n业务管理者愿意看测评报告吗？他们会不会把报告当摆设？ 有没有配套的报告解读培训？再好的工具，没人会用就等于零。 数据闭环能力\n系统能不能追踪测评得分和后续绩效的对应关系？ 能不能不断迭代自己的cutoff值（分数线）？ 回到最初的问题 人才测评系统到底有没有用？\n我的答案是：有用，但它的价值不是「预测谁一定会成功」，而是「提高你做对人的概率」。\n从概率的视角看，如果测评能把你的招聘命中率从50%提到70%，它已经是一笔非常好的投资。但如果有人告诉你测评系统能100%保证招对人，那他要么在骗你，要么他自己都没搞懂测评在测什么。\n最后说一句实在话：最好的测评系统，也替代不了好的管理。测评工具提供的是数据信号，而把信号转化成正确的招聘决策，这件事最终还是落在管理者的手上。\n如果你想进一步了解如何在实际招聘中评估候选人的软实力，可以看看我之前写的 AI招聘减少用人错误的真实效果，里面详细拆解了面试和测评之间的互补关系。另外，之前那篇 我复盘了三年内的所有错误招聘，发现同一个规律，也可以帮你理解错误招聘背后那些面试看不到的深层原因。\n","permalink":"https://www.gdrar.cn/posts/does-talent-assessment-work/","summary":"\u003cp\u003eHiring managers问过我最多的问题，排第一的不是怎么面试，而是「人才测评系统到底有没有用」。\u003c/p\u003e\n\u003cp\u003e问这个问题的人，大多已经看过不少厂商的案例——某公司用了测评系统后招聘准确率提升百分之多少、离职率下降百分之多少。数字很漂亮，但管理者心里都清楚：那是别人的数据，不是我的。\u003c/p\u003e","title":"我用五年数据告诉你：人才测评系统到底有没有用"},{"content":"我们公司的AI简历筛选系统跑了三个完整季度，累计处理的简历量超过1800份。我把系统评分数据和实际录用后的绩效结果做了交叉复盘，发现了几个自己在项目启动时完全没有预料到的事实。\nAI筛简历这件事，不是好不好的问题，而是「好在哪里、不好在哪里」的问题。盲目拥抱和完全拒绝，都是那个更懒的选择。\n三个季度的数据告诉我的三件事 先上数据。\n系统上线以来，AI自动筛选的规则经过了三轮迭代。初始阶段，AI按学历、工作年限、技能关键词做硬性匹配，匹配度低于60%的简历自动过滤。这个阶段AI过滤掉的简历占总量的43%。第二阶段，增加了行为特征分析——根据候选人简历中的职业路径变化、跳槽频率、项目经验深度做加权评分。第三阶段，引入了AI视频面试的初筛结果做联动。\n整体来看，AI把HR需要人工阅读的简历量压缩了将近65%。之前HR每天花在筛简历上的时间平均3.5小时，现在降到了1小时左右。这个效率提升是实打实的。\n但效率提升和招聘质量提升，是两回事。\n第一个发现：AI在硬条件筛选上远优于人类，但在软判断上存在系统性偏差。\nAI对学历、工作年限、技能关键词的判断非常稳定。在1800多份简历中，AI标记为高度匹配（评分80分以上）的候选人，后续面试中的专业技能通过率达到了74%——比HR人工筛选的通过率高出12个百分点。\n但问题出在另一个维度上。AI评分80分以上的候选人，在面试环节被面试官评价为「沟通协作存疑」或「团队融入风险较高」的比例，比AI评分在60到80分区间的人高出将近一倍。\n原因不难理解：AI的评分模型会被大厂背景、名校学历、连续跳槽但职位头衔不断提升这类显性信号影响。而这些信号，跟一个人的团队协作能力、抗压阈值、稳定性之间没有线性关系。\n第二个发现：AI筛选的优化方向会导致候选人同质化。\n这个问题我之前在复盘团队扩张中的人才结构问题时提到过——筛选系统的标准越明确，它在过程中产生的幸存者偏差就越严重。AI在筛简历时，本质上是基于已有的高绩效员工画像做匹配。这个逻辑在小范围内有效，但当招聘规模扩大时，它会系统性地排除那些背景不标准但潜力极高的候选人。\n我翻到一个具体案例。候选人B毕业于一所非211院校，五年换了三个行业——从教育行业转行做运营，又从运营跳到B2B销售。AI对这份简历的评分只有54分，因为系统无法理解这种跨行业经验的组合价值。HR面试后发现，候选人B每一次转行都在积累可迁移的核心能力——从教育行业学会了用户洞察，从运营岗位建立了数据分析思维，到B2B销售岗时获得了超过300%的业绩增长。\n这个人最后被录用了，入职半年后绩效排在全团队前20%。如果完全依赖AI筛选，这份简历在第一轮就被过滤掉了。\n第三个发现跟前面两个性质完全不同，我放在下一节单独说。\n最危险的盲区：AI让你以为你在选人，其实是人在迁就AI 前两个问题属于AI技术本身的能力边界。但第三个问题更隐蔽，也更具系统性风险。\n当AI筛简历成为流程的起点后，一个微妙的结构性变化发生了：HR和管理者开始不自觉地调整自己的选人标准，去适应AI的输出逻辑。\n我观察到两个具体表现。\n第一个表现：「因为AI筛过了，所以这个人应该没问题」的心理暗示。面试官在面对AI推荐的候选人时，天然降低了警惕性。翻看三个季度的面试记录，AI评分80分以上的候选人面试通过率，比60到80分区间的候选人高出接近30个百分点。但入职后的绩效达标率，两个组别之间的差距只有不到8个百分点。\n这意味着什么？说明有一大批AI高分候选人，在面试环节被「放过」了一些本应深挖的风险点。面试官的心理活动大概是「AI都过了，应该不会差太多」。这种认知偏移是我在项目启动时完全没有预料到的。\n第二个表现：招聘团队慢慢把AI评分当成了选人标准本身，而不是一个参考信号。之前HR筛简历时，每个人都有自己偏重的维度——有人重视行业经验深度，有人看重职业路径的连续性，有人关注项目成果的含金量。但当AI给出评分后，这些多元的判断维度开始收窄，大家的注意力全都集中在AI给了几分上。\n这个现象跟前不久复盘AI招聘减少用人错误的真实效果时看到的趋势是一致的——工具在替代重复劳动的同时，也在悄悄侵蚀使用者自身的判断力。\nSTAR案例：一次AI筛选流程的人机协同改造 Situation（情境）：2025年Q1到Q3，我们团队通过AI简历筛选系统累计处理了1800多份简历，最终录用42人。系统上线后HR初筛效率提升了65%，但同期数据暴露了一个矛盾——AI高分候选人的入职后绩效达标率（68%）和中分区间的候选人（61%）之间的差距，远小于AI评分差异本身所暗示的差距。更扎心的是，AI高分候选人的试用期主动离职率反而比中分区间高出5个百分点。团队内部开始质疑：花大力气上的这套系统，到底值不值？\nTask（任务）：在不放弃AI带来的效率提升的前提下，修正AI筛选的系统性偏差，把AI高分和实际绩效之间的差距缩小到合理范围，同时降低AI高分候选人的早期流失率。\nAction（行动）：我们做了三件事。\n第一，在AI筛选流程之后引入一个「人工Override」环节。AI评分80分以上的候选人，不做自动推进面试，而是由HR花15分钟做一次快速人工复核，重点关注三个AI无法评估的维度：候选人的职业动机连贯性（不是路径是否连贯，而是每次选择的逻辑是否一致）、团队匹配风险（如果这个人在一个风格完全不同的团队里待过很久，说明什么）、以及成长潜力信号（有没有跨出舒适区做成某件事的经历）。\n第二，调整面试追问策略。我们设计了一套「AI盲区面试追问清单」（后面会给出完整模板），要求面试官在面试AI高分候选人时，必须对清单上的至少三个问题进行深度追问。\n第三，建立AI评分的置信度标签。当AI给出的评分在候选人的硬条件（学历、经验、技能）和非结构化信号（职业路径独特性、项目描述质量）之间存在明显不匹配时，系统自动标注为「低置信度推荐」，提示面试官重点核查。\nResult（结果）：调整后的流程试行了两个季度，AI高分候选人的转正绩效达标率从68%提升到了79%；试用期主动离职率下降了6个百分点。HR团队的筛选效率没有因为增加人工复核而下降——人工复核只针对评分80分以上的人群，这部分只占简历总量的15%左右。更重要的是，AI评分中分区间的候选人录用比例从之前的22%上升到了31%，团队的人才多样性有了明显改善。\n附：AI筛简历场景下的面试追问清单（可直接使用） 当你面对一位AI评分很高的候选人时，别急着推进流程。挑至少三个问题做深度追问：\n追问一（隐性动机测试）：「你在上一份工作中，最让你感到挫败的一件事是什么？你当时是怎么处理的？」\nAI可以分析候选人既往经历中成功的一面，但很难通过简历和结构化问答判断一个人面对挫折时的真实反应模式。这个问题没有标准答案，但能帮你看到候选人的抗压阈值和归因方式。\n追问二（文化匹配信号）：「你过去最不喜欢的团队氛围是什么样的？是因为什么原因导致的？」\n候选人描述的不喜欢跟你公司的现状高度重合，那就不是一个好的匹配信号。这个问题考察的是双向选择的质量。\n追问三（可迁移能力深挖）：「有没有一件你完全没经验但最终做成了的事？你是怎么上手的？」\n评估候选人的学习敏锐度。AI的评分模型对标准化背景友好，但对非标准背景的天赋和潜力几乎不敏感。这个问题的回答质量，往往比简历上的项目列表更能预测高绩效。\n追问四（行为模式预警）：「回顾你的职业经历，你觉得哪些选择是被动的，哪些是主动的？」\nAI无法区分求职者的主动选择和被动接受。这个问题能帮你判断候选人职业路径的真实质量——是被机遇推着走的人，还是主动创造机遇的人。\n我之前复盘错误招聘案例时就发现，大部分招错人的根因不是候选人能力不行，而是在面试环节没有问到正确的问题。AI筛简历只是把问题的起点提前了，没有改变问题本身。面试官该做的深度判断，一个都不能少。\n说到底，AI工具的本质是放大器 三个季度的复盘做下来，我对AI筛简历的判断可以浓缩为三句话：\nAI筛简历不是坏事，但把终选权完全交给AI一定是坏事。 AI筛简历的价值在初筛阶段——把明显不匹配的人过滤掉，让HR把精力放在真正需要判断的候选人上。 AI筛简历的风险在于让人产生认知依赖——当AI的评分成为一种不容置疑的权威时，人的判断力会系统性地退化。\n回到最开始的问题：企业开始用AI筛简历是好事吗？\n如果你把AI当成一个效率工具，认清楚它能做什么、不能做什么，那它就是好事。如果你把AI当成一个决策替代品，指望它解决所有选人问题，那它就是一件效率更高的坏事。\n工具是中性的，但使用工具的姿势决定了结果。\n本案例中涉及的具体数据和候选人信息已经过脱敏处理。\n","permalink":"https://www.gdrar.cn/posts/ai-resume-screening-hr-experience/","summary":"\u003cp\u003e我们公司的AI简历筛选系统跑了三个完整季度，累计处理的简历量超过1800份。我把系统评分数据和实际录用后的绩效结果做了交叉复盘，发现了几个自己在项目启动时完全没有预料到的事实。\u003c/p\u003e","title":"AI筛简历半年后，我决定把终选权留在人手里"},{"content":"我见过不少管理者在选AI招聘工具时，被厂商展示的数据震住——筛简历准确率95%以上、候选人离职概率预测准确率87%、AI面试评分跟入职后绩效的相关系数0.7。\n每次看到这些数字我都在想：那为什么那些上了AI招聘系统的公司，该招错人还是在招错人？我认识的一个同行，公司两年前就上了全套AI招聘系统，结果去年错误招聘率还在20%以上。\n问题出在哪？是AI不准，还是我们用AI的方式有问题？\n两年AI招聘的真实数据：不是说好会降错误率吗 我们公司在2024年Q1正式上线了一套AI招聘系统，覆盖从简历初筛、人岗匹配度评分到AI视频面试的全流程。到今年Q1刚好两年，累计通过系统完成了200多次招聘决策。\n我把这两年的数据拉出来做了个复盘，发现了一个让团队内部争论了大半年的事实。\nAI初筛环节的效率提升是实打实的。\n上线之前，HR每天要手动过80到120份简历，一份简历平均看40秒，一天下来眼睛都花了。上线后，AI自动筛选掉明显不匹配的简历——学历不符、经验方向不一致、跳槽频率过高——把需要HR人工看的简历数量压缩了将近60%。HR团队从4个人减少到3个人，但初筛环节的吞吐量反而提升了。\n在简历匹配度这个维度上，AI确实比人要稳定。人看简历有疲劳期，上午和下午的标准不一样，周一和周五的宽容度也不一样。AI没有这个问题，标准是恒定的。\n但问题出在终选环节。\n我把两年的数据按「AI人岗匹配评分」和「HR终面评价」做了交叉分析，发现了一个明显的分歧：AI评分排名前20%的候选人，入职后6个月绩效达标率是61%；而HR终面评价A级的候选人，达标率是58%。两个数字看起来差不多，但细分到具体岗位类型时，差异就出来了。\n在技能型岗位（技术、设计、财务），AI推荐的候选人绩效达标率比HR推荐的高出将近15个百分点。但在管理岗和需要高度跨部门协作的岗位，AI推荐的候选人入职后留存率和绩效达标率明显低于HR凭直觉选择的候选人。\n换句话说，AI擅长判断一个人「能不能做」，但不擅长判断一个人「适不适合在这做」。而后者恰恰是用人错误的雷区。\n我之前复盘过所有错误招聘的案例，发现最大的坑根本不是候选人能力不行，而是候选人跟团队、文化、管理风格不匹配。AI在评估这些「软匹配」维度上的能力，远没有厂商说的那么成熟。\nAI的三个盲区，每个都是用人错误的温床 用AI招人两年，我认为当前AI招聘系统在三个维度上存在根本性的盲区。\n盲区一：AI无法评估「隐性动机」。\n一个人为什么想加入这家公司？是为了更好的薪资、更大的平台、更短的跳板，还是真的对这个业务方向有热情？AI可以从简历和面试回答中提取关键词——「成长」「挑战」「行业前景」——但无法判断候选人在说这些词的时候，背后真实的动机是什么。\n我遇到过一个真实的案例。候选人面试时对AI评分系统展示的表现堪称完美——行业经验丰富、职业规划清晰、对公司的业务理解超过大多数面试者。AI给出的匹配度评分是92分，全周期最高分。但在终面环节，我追问了一个问题：「你过去的每份工作都是两年左右离开，是什么原因？」他的回答非常圆滑，但我在细节里捕捉到了一个模式——每次都是到了需要攻坚的深水区就离开了。\n这个人最后我们没有录用。后来他在另一家公司入职，半年后离职，情况跟过去一模一样。AI的判断没有错——他的能力确实匹配——但AI看不到他的行为模式里有一个持续在关键节点撤退的惯性。\n盲区二：AI对「文化冲突」的预判几乎为零。\nAI可以分析候选人的语言风格、情绪稳定性、沟通倾向，但它无法感知一个具体的人在面对一个具体团队时的化学反应。\n有一个数据让我印象特别深：在我们公司，AI评分最高的候选人群体中，入职后因为团队融入问题在试用期内主动离职的比例，比AI评分中等的候选人高了8个百分点。复盘时HR团队给出了一个解释——AI筛选标准偏好的是「确定性高」的候选人，能力结构清晰、经验路径标准，但这种人往往有自己的做事惯性，在需要适应团队现有节奏的时候，反而不如那些能力有弹性、可塑性更强的候选人。\n这个发现跟团队扩张时的人才结构问题是相通的：招一堆「在别的地方证明过自己」的人，不一定能组成一个高效的团队。\n盲区三：AI的评分标准容易被「面试表演」欺骗。\nAI视频面试分析的是候选人的语言内容、微表情、语音语调。但一个经验丰富的面试者，完全可以通过训练来优化这些指标——什么话该说、什么表情该做、什么节奏最讨喜。我在一个行业交流会上听说已经有人在卖「AI面试辅导」服务了，专门教候选人怎么在AI面试中拿到高分。\n这就会形成一个悖论：AI面试得分最高的候选人，恰恰是被「面试技巧训练」最多的候选人，而不是实际能力最强的候选人。这个问题在传统面试中就存在，AI面试不但没有解决它，反而在某种程度上放大了它——因为AI的评估规则是可被逆向工程的。\nSTAR案例：AI推荐和HR直觉的一次正面冲突 Situation（情境）：2025年初，我们需要招聘一位运营总监，负责公司核心业务线的用户增长和运营策略。这个岗位的直属上级是COO，间接协作的部门有产品、销售、市场三个团队。前任运营总监就是因为跟销售团队的协作出了问题才离职的。\nTask（任务）：找到一位既能制定增长策略、又能跟跨部门团队高效协作的运营负责人。核心考核指标是入职6个月内，目标业务线的用户增长率和跨部门协作满意度评分。\nAction（行动）：招聘流程按标准执行——AI初筛、AI视频面试评估、HR电话面试、业务负责人面试、终面。最终进入终面的有两位候选人。\n候选人A，AI评分91分。出自一线互联网大厂，操盘过年GMV过亿的增长项目，面试全程逻辑缜密，对用户增长的方法论信手拈来。AI对他的评估关键词是「策略能力强」「数据驱动」「经验高度匹配」。\n候选人B，AI评分76分（刚好过线）。背景是中型公司，操盘过几个千万级别的增长项目，但行业经验不是直接对口的。AI评估的关键词是「执行落地能力较强」「策略框架的体系化程度一般」「沟通协作倾向评分较高」。\n按照AI的推荐顺序，候选人A是明确的优先选择。但在终面结束后，COO和销售负责人都倾向于候选人B。他们的理由几乎一致：「跟A聊完觉得他懂怎么做增长，但跟B聊完觉得能跟他一起干活。」\n我在终面记录里看到了一个关键差异：当被问到「你过去跟销售团队协作时，遇到的最大冲突是什么？怎么解决的？」候选人A的回答聚焦在「如何用数据说服销售」，而候选人B的回答是「我先去理解销售为什么反对，再找双方都能接受的目标折中方案。」这两个回答都是对的，但反映的是两种完全不同的协作模式。COO说得很直白：「我们现在的销售负责人性格非常强势，A的模式可能会直接撞上。」\n最后我们选了B。这个决策在当时是有争议的（尤其是AI的推荐数据太好看了），但还是拍了板。\nResult（结果）：候选人B入职后，花了两个月跟每个协作团队的负责人做了一对一的深度沟通，第三个季度开始出成绩——目标业务线的用户增长率在6个月内达到了37%（远超初始目标25%），跨部门协作满意度评分从上一任的3.2分提升到了4.1分（满分5分）。而候选人A在同一时期入职了另一家公司做运营总监，不到四个月就传出了因团队冲突离职的消息。\n这个案例让我深刻意识到一件事：AI帮你找到「对的人」，但人才能判断「对的人里谁更适合我们」。\n一套可执行的「AI招聘效果复盘框架」 如果你已经在用或者正在考虑引入AI招聘系统，下面这套复盘框架可以帮助你判断AI到底有没有在降低你的错误招聘率。每季度跑一次，每次花一个下午。\n第一步：数据校准\n拉取过去一个季度的招聘数据，把AI人岗匹配评分和实际入职绩效做交叉分析。AI评分前20%的候选人，实际绩效达标率是多少？ 对比AI推荐录用和HR否决后自行录用的候选人，两个群体在留存率、绩效达标率上有没有显著差异？ 分岗位类型看差异：AI在哪些岗位上的预测准确率高于HR？哪些岗位上低于HR？这个分布是否符合你对AI能力的预期？ 第二步：案例深挖\n选3个AI评分高但入职后绩效差的反面案例，逐一复盘：AI漏掉了什么关键信息？这些信息在面试中是否存在但被忽视了？ 选3个AI评分低但入职后绩效好的正面案例（如果存在的话），逐一分析：AI的评分偏差是由什么因素造成的？是否跟文化匹配、团队化学反应这类软维度有关？ 整理这些案例中的共性问题，形成一份「AI盲区清单」。 第三步：规则调优\n基于前两步的数据，重新设定AI筛选的触发线。不是所有岗位都用同一个评分门槛，技术岗和销售管理岗的筛选标准应该分开。 确定「AI否决但HR可翻案」的机制。AI给出低分的候选人，HR如果认为值得一见，应该有一个明确的复审通道，而不是被系统过滤掉。 每半年校准一次AI的评分模型特征权重。业务需求在变，岗位画像在变，AI的评估标准也需要跟着变。 第四步：人机分工界定\n明确列出在你的招聘流程中，哪些环节交给AI做决策（比如：硬性条件过滤、技能匹配度初筛），哪些环节必须由人来做决策（比如：终面判断、文化匹配评估、团队化学反应判断）。 这条分界线不是一次画死的。随着AI能力的迭代和团队对AI信任度的提升，分界线可以动态调整。但调整的前提是有数据支撑，而不是「感觉AI应该可以了」。 写在最后 AI招聘是一个好工具，但不是一个万能答案。它能帮你把80份简历快速过滤成10个值得认真看的人，能帮你在面试前就对候选人的硬性匹配度有清晰的预期，能用数据告诉你哪些维度上你的判断可能出现了偏差。但它不能替代你坐在面试桌对面，通过一个人的眼神、语气、停顿、追问中的犹豫，去感知他到底是不是那个「对的人」。\n我始终觉得AI招聘最大的价值，不是替代HR做决策，而是帮HR把精力从重复劳动中解放出来，投入到那些真正需要人的判断力的事情上。用人错误的根因从来不是「没有足够的信息」，而是「有了足够的信息之后，用了错误的逻辑去判断」。\nAI能给你更好的信息，但判断本身，最终还是你的事。\n","permalink":"https://www.gdrar.cn/posts/ai-recruitment-hiring-error-reality/","summary":"\u003cp\u003e我见过不少管理者在选AI招聘工具时，被厂商展示的数据震住——筛简历准确率95%以上、候选人离职概率预测准确率87%、AI面试评分跟入职后绩效的相关系数0.7。\u003c/p\u003e","title":"AI招聘减少用人错误的真实效果，可能跟你想的不一样"},{"content":"很多公司正在经历一个反直觉的现象：团队扩张的速度越快，业务增长的势头反而越弱。\n过去一年里，我至少跟七八位管理者聊过同一个困境——团队从二三十人扩到七八十人后，会议数量翻了至少两倍，审批流程变得更长，但真正落地的产出并没有同比增加。有些团队甚至出现了人均效能断崖式下跌，创始人焦虑到怀疑是不是自己管理能力有问题。\n但问题往往不出在管理者身上，而出在招聘这件事本身的逻辑上。\n招聘增长陷阱：三个隐性后果正在拖垮你的团队 当一个公司出现业务缺口时，最直接的本能反应就是「缺人，赶紧招」。这个反应本身没错，但它带来的三个隐性后果，很少有管理者在拍板扩招之前认真想过。\n第一个后果：人才稀释。 团队的招聘承载能力是有上限的。HR团队的精力、面试官的时间、招聘渠道的供给量，在短时间内不可能翻倍。当招聘需求突然扩大时，唯一能做的就是放水——放宽筛选条件、压缩面试轮次、降低决策门槛。十个候选人里，之前你只选前20%，现在你不得不选前40%。平均质量必然下降。\n我翻过一家客户的招聘数据：他们在2024年Q1紧急扩招，团队从38人增加到65人。同期入职的候选人，平均面试轮次从4.2轮降到了2.8轮，offer接受率从32%升到了68%——你没看错，升了。因为标准松了，发出去的offer比之前多了一倍，接受率自然也高了。但入职后90天绩效达标率从71%降到了44%。这就是典型的「招得多但招不对」。\n在这个问题上，我之前复盘过所有错误招聘的案例，结论是类似的：面试环节放的每一次水，最后都会变成业务端的一个坑。\n第二个后果：管理复杂度的指数级增长。 两个人沟通只有一条线，五个人是十条线。当团队从20人扩张到40人时，沟通链路不是翻一倍，是翻四倍。新人需要融入，信息需要同步，决策需要流转——每一项都在消耗管理者的注意力和团队的带宽。\n而且很多人忽略了一个关键事实：新招的人不会自动产生生产力。他们入职后的前三十到九十天，本质上是「消耗期」——他们在消耗老员工的辅导精力、消耗团队的试错空间、消耗管理者的协调时间。如果同期入职的新人太多，老员工被消耗的速度远大于新员工产出的速度，整体效率不降才怪。\n第三个后果：文化传递链条断裂。 这是我观察到的、被低估最严重的问题。团队在二十来人的时候，文化是靠传帮带来的——每个人都认识每个人，行为准则靠日常互动来传递。但当团队突然变成七八十人时，文化传递的链条断了。新员工从入职第一天起，没有足够密度的文化浸泡，只能靠猜来理解这家公司到底怎么做事。\n猜对的比例，远比你想象的低。\n这三个后果叠加在一起，就形成了一个经典的恶性循环：业务遇到瓶颈→大量招人→人才稀释、管理过载、文化断裂→业务瓶颈更严重→继续招人。等管理者回过神来，发现团队翻倍了，结果更差了。\n最隐秘的问题：招聘需求本身可能就不该存在 很多公司越招越不对，其实从第一步就偏了——招聘需求是错的。\n我见过太多次这样的场景：业务负责人说「我需要一个销售总监」，HR就开始招销售总监。但很少有人停下来问一句——你需要的到底是一个销售总监，还是需要一个能把现有销售流程梳理清楚的人？这两个岗位本质上完全不同。\n第一种情况，你需要的是一套管理体系。 第二种情况，你需要的是一次业务流程梳理。这是一个项目，不是一个岗位。\n如果一个团队内部流程混乱、职责不清、目标落地不牢，招再多的人也只是在给一个已经超载的系统叠加负载。正确的做法是先做组织诊断、厘清问题归属，再做招聘计划。否则就会出现经典的「招来一个能干的人，三个月后发现他也没什么用」——不是这个人不行，是整个系统不允许他发挥作用。\n组织发展领域的核心原则有一条：组织架构决定人才配置，而不是反过来。先想清楚你要怎么打这场仗，再决定需要什么人上战场。\nSTAR案例：一次从「多招人」到「招对人」的转型 下面说一个我亲身参与的实际案例。\nSituation（情境）：一家B轮阶段的科技公司，主营企业级SaaS服务。2024年上半年，团队从35人快速扩张到72人——净增37人，增幅超过一倍。但同期业务增速只有12%，而人员成本增加了105%。人均月度产值从8.2万降到了4.6万，几乎腰斩。管理层开始焦躁，讨论的议题从「如何继续扩招」变成了「是不是该裁员了」。\nTask（任务）：在不额外增加管理层级的前提下，找出团队扩张后效率下降的根本原因，把人均效能恢复到扩张前的水平。\nAction（行动）：我们用了三周时间，做了一次全面的招聘需求和组织结构复盘，发现了三个关键问题。\n第一个问题：过去半年招聘的37人中，有14个岗位的职责跟现有团队高度重叠。不是缺人，是分工出了问题——几个人都在做差不多的事，而真正的短板（产品交付能力、客户成功体系建设）一个都没补上。换句话说，有一半的招聘预算是浪费在「同一件事的不同人版本」上。\n第二个问题：面试流程里缺失了一个关键环节——协作适应性评估。新招的人中，超过一半在入职三十天内就跟跨部门同事发生过明显的协作摩擦，而这些在面试时完全没有被探测到。后来我们在流程里加了一个简单但有效的环节：每个终面候选人必须跟未来可能高频协作的2到3个同事做一次十五分钟的非正式交流，由协作同事给出匿名直觉评分。评分低于基准线的，触发二次评审。\n第三个问题：招聘需求的提案流程从「业务负责人说了算」改成了「业务负责人 + HRBP + 财务三方会签」。每个新增岗位在开放招聘前必须回答三个问题：这个岗位解决什么问题？如果不招这个人，有没有替代方案（流程优化、工具升级、业务外包）？这个岗位的业绩衡量标准是什么？回答不清楚的，直接打回。\nResult（结果）：这套流程运行了两个季度后，数据发生了明显变化。\n团队规模只净增了7人（从72到79），但人均月度产值从4.6万回升到了7.1万 新员工入职90天留存率从67%提升到了88% 招聘周期反而缩短了——砍掉了大量无效需求后，招聘团队可以集中精力做高质量匹配，每个岗位的平均填补时间从52天降到了36天 最让管理层意外的是：招聘预算同比减少了40%，因为不再为了「补位」而重复招人 这个案例让我确信一件事：很多公司的问题不是人太少，而是人没有用在正确的位置上。\n一套可执行的「招聘需求健康度审查清单」 如果你发现自己的团队也在经历越招越不对的困境，别急着加人。先花一个下午，把下面这张清单跑一遍。这套清单分为三个维度，每个维度三到四个检查项，覆盖从需求产生到面试执行的全流程。\n第一步：需求溯源\n这个新增岗位解决的到底是什么问题？（是业务量增长带来的缺口，还是现有流程有缺陷？） 有没有可能通过流程优化、工具升级或业务外包来解决，而不需要招人？ 过去三个月内，团队里有没有类似职责的新人？他们的产出达到预期了吗？如果没有，原因是什么？ 如果这个岗位空缺六个月，业务会出什么具体问题？答不上来，就说明需求不够刚性。 第二步：质量检查\n现有招聘流程中，是否存在为了赶进度而放松标准的情况？（比如缩短了面试轮次、减少了测评环节、省略了背景调查） 面试官的评估标准是否统一？上一次做面试官校准是什么时候？如果超过半年没做过，那就先校准，再招人。 新员工入职后的30-60-90天跟进机制是否完整？有没有人专门负责每个节点的融入评估？ 招聘速度和质量之间，你心里有一条明确的「不可跌破线」吗？ 第三步：结构评估\n团队的人才结构是否合理？高手、熟练工、新人的比例是否符合当前业务阶段的需要？ 管理者的管理半径是否已经超载？一个leader直接带超过8个人，管理水平大概率跟不上。 组织架构是否需要先调整，再考虑招人？新增岗位是在补短板，还是只是在给现有架构叠人？ 写在最后 做了十几年HR，我见过太多公司倒在高速扩张期。不是业务不行，不是市场不好，而是在最该冷静的时候用了最激进的方式招了一群不适合的人。\n越招越不对的根本原因，不是HR不够努力，也不是面试官不够认真，而是决策者把「招人」当成了解决所有问题的万能药。但真实的管理逻辑是：问题出在系统上，就别用人来填。\n停下来，先看看你的组织是不是已经吃撑了。消化完了再吃，走得比抢跑远得多。\n","permalink":"https://www.gdrar.cn/posts/more-hires-worse-results/","summary":"\u003cp\u003e很多公司正在经历一个反直觉的现象：团队扩张的速度越快，业务增长的势头反而越弱。\u003c/p\u003e\n\u003cp\u003e过去一年里，我至少跟七八位管理者聊过同一个困境——团队从二三十人扩到七八十人后，会议数量翻了至少两倍，审批流程变得更长，但真正落地的产出并没有同比增加。有些团队甚至出现了人均效能断崖式下跌，创始人焦虑到怀疑是不是自己管理能力有问题。\u003c/p\u003e","title":"越招人越不对？大多数公司的增长瓶颈不在业务在招聘"},{"content":"去年年底做年度人才盘点的时候，我顺手拉了一份数据：过去三年，团队经手的招聘一共86人，其中23人在入职6个月内要么主动离职，要么被业务负责人判定为“明显不达标”。招错人的比例接近27%。\n三分之一的人，在面试环节是被面试官打了“强烈推荐”的。\n这个数据让我坐不住了。我开始逐一复盘那23份档案——翻面试记录、看测评结果、找业务负责人聊当时的期望和后来的落差。花了整整两周，我发现了同一个规律反复出现：招错人的根因，从来不是面试不够严，而是选人逻辑本身就偏了。\n规律一：面试官被“表现”欺骗，而不是被“能力”打动 大部分面试官在评价候选人时，用的是一套非常感性的标准——这个人说话有逻辑、气场强、经验匹配度高。但问题是，“说话有逻辑”不等于“能解决实际业务问题”。\n我翻到一个案例特别典型。候选人A面试销售总监岗位，简历光鲜，面试时对行业趋势分析得头头是道，现场给出的业务方案连业务副总裁都说“有深度”。面试评分表上五个面试官，四个打了A级。结果入职后，前两个月连基础业绩目标都没达成，第三个月就开始跟销售团队频繁冲突，第四个月自己提了离职。\n复盘的时候我问他当时的直属上级：面试时说的那些方案，哪里出了问题？对方说了一句话让我印象很深：“他说得都对，但我后来发现他从来没真正落地过类似的事。说的全是书上看到的和听别人讲的，自己没有亲手打过仗。”\n这就是面试最大的陷阱——表达能力和执行能力是两回事。但大部分面试流程，根本没有区分这二者的机制。\n传统HR面试的局限性就在于，它高度依赖面试官的个人判断，而面试官很容易被候选人的“表现力”带偏。表达能力好、逻辑清晰、气场足的候选人，在面试中天然占优势，但这些特质跟“能不能把事做成”之间，相关性低得惊人。\n规律二：面试评分表上的分数，跟实际绩效几乎没有关系 那23个错误招聘里，有一件事让我特别震惊——我翻出他们的面试评分表和入职后的绩效评估做了个对比。\n结果是这样的：面试评分在85分以上的候选人，入职后绩效能达到预期的，只有四成。换句话说，面试分数高的候选人，有一半以上实际表现并不好。 反过来，那些面试评分中等、被面试官评价为“不太确定”的候选人，入职后反而有不少成了高绩效员工。\n这个数据让我开始怀疑面试评分表本身的价值。传统的面试评分维度——沟通能力、逻辑思维、行业经验、团队协作——每一个都像是“正确的废话”，因为几乎所有候选人在面试中都会往这些维度上靠。真正能区分候选人的维度，比如“面对真实业务困境时的决策模式”“在压力和冲突下的行为倾向”，这些在常规面试里几乎不会被触及。\n这就是为什么越来越多的企业开始把在线测评作为面试的前置环节。测评工具通过情境题和行为数据，能在候选人进入面试室之前就捕捉到那些面试中很难暴露的深层特质——抗压阈值、成就动机、冲突处理风格。这些才是真正预测绩效的指标。\n规律三：业务负责人和HR用的是两套标准 复盘过程中我发现另一个高频问题：很多错误招聘的决策，是业务负责人力排众议推进的。\n业务负责人的逻辑通常是——“这个人经验很匹配，来了就能上手”。HR的逻辑是——“这个人的价值观和团队匹配度存疑，建议多看看”。最后往往是业务负责人赢了，因为他是用人部门。然后三个月后，业务负责人自己跑来跟我说：“这个人确实不行。”\n问题的本质是，业务负责人关注的“经验匹配”，跟员工能否长期留下来的“文化匹配”，是两条不同的线。 只看前者不看后者，招来的人大概率会在半年内因为融入不了团队而离开。这种情况在管理层招聘中尤其突出——经验丰富的空降高管，因为不适应团队文化而在试用期内离开的案例，我见过太多了。\n一个STAR案例：一套复盘机制让错误招聘率降了一半 前面说的都是问题，下面说一个我们后来实际做过的改进。\nSituation（情境）：2024年初，我们团队负责一个30人规模的业务团队扩建。按照当时的招聘流程，HR初筛+两轮业务面试+HR终面，平均每个岗位面试4-6人，录用率约20%。但前一年的数据显示，录用的候选人中，有35%在入职半年内绩效不达标或离职。\nTask（任务）：在控制招聘成本（不增加外部猎头费用、不延长招聘周期）的前提下，把错误招聘率从35%降到15%以内。\nAction（行动）：我们做了三件事：\n第一，在初筛环节引入在线测评，重点考察候选人的“成就动机”“抗压能力”和“团队协作倾向”三个维度，测评分数低于基准线的直接淘汰，不再安排面试。这一步把需要进入面试的候选人数量减少了40%，但保留了高潜人群。\n第二，重新设计了面试评分表。删掉了“沟通能力”“逻辑思维”这类主观性过强的维度，替换成“面对业务困境时的实际决策路径”“过往失败案例中的归因方式”“在跨部门协作中的角色定位”三个具体场景题。每个面试官必须针对这三个场景给出具体记录，而不是打一个笼统的分数。\n第三，建立了“招聘复盘会”制度。每个新员工入职满90天，HR和业务负责人一起做一次简短复盘：当初面试时的判断是否准确？哪些信息当时被忽略了？这个复盘不是追责，而是校准选人标准。\nResult（结果）：这套机制运行了9个月后，错误招聘率从35%降到了12%。招聘周期没有延长，人均招聘成本反而下降了18%，因为减少了无效面试的次数和重新招聘的成本。\n一套可以直接用的「错误招聘复盘模板」 如果你也想做一次内部复盘，下面这个模板可以直接拿来用。每次招聘不达标或试用期离职的员工，花30分钟填一次，三个月后你就能看到自己的选人盲区在哪里。\n1. 面试时他最打动你的是什么？ （写下当时面试官的评价关键词，比如“行业经验丰富”“逻辑清晰”“气场很强”）\n2. 入职后实际暴露的问题是什么？ （具体描述，比如“无法独立推进项目”“跟团队协作频繁冲突”“实际执行能力远低于面试表现”）\n3. 面试中是否遗漏了关键信息？ （反思：如果重新面试一次，你会追问什么？比如“他是否真的亲手做成过类似的事？”“他在压力下的真实反应是什么？”）\n4. 如果重来一次，你会改变哪个决策环节？ （是应该加一轮测评？换一个面试官？还是应该多花时间做背景调查？）\n5. 这个错误招聘对你团队的隐性成本估算： （包括但不限于：试用期薪资、培训成本、业务延误损失、重新招聘费用、团队士气影响。试着用具体数字算一次，结果会让你睡不着。）\n写在最后 做了十几年HR，我最大的感受是：招错人不是运气问题，是系统问题。 如果一个团队频繁出现错误招聘，大概率不是面试官不够认真，而是选人的逻辑和流程本身有缺陷。\n复盘这23个案例的过程让我意识到一件事：面试这个环节被赋予了太多的信任，但它的有效性远没有我们想象的那么高。想要降低招错人的概率，与其让面试官更努力地“看人”，不如用更好的工具和复盘机制来补上选人逻辑的漏洞。\n招聘从来不是一场赌博。你只是需要一套更靠谱的判断框架。\n","permalink":"https://www.gdrar.cn/posts/wrong-hires-three-year-review/","summary":"\u003cp\u003e去年年底做年度人才盘点的时候，我顺手拉了一份数据：过去三年，团队经手的招聘一共86人，其中23人在入职6个月内要么主动离职，要么被业务负责人判定为“明显不达标”。招错人的比例接近27%。\u003c/p\u003e","title":"我复盘了三年内的所有错误招聘，发现同一个规律"}]